ຄວາມພະຍາຍາມຫຼາຍຢ່າງໄດ້ຖືກເຮັດເພື່ອໃຊ້ພະລັງງານຂອງປັນຍາປະດິດ (AI) ແລະຮູບແບບພາສາຂະຫນາດໃຫຍ່ (LLMs) ເພື່ອຄາດຄະເນຜົນໄດ້ຮັບຂອງປະຕິກິລິຍາທາງເຄມີໃຫມ່. ຢ່າງໃດກໍ່ຕາມ, ຄວາມສໍາເລັດໄດ້ຖືກຈໍາກັດ, ສ່ວນໃຫຍ່ແມ່ນຍ້ອນວ່າຕົວແບບເຫຼົ່ານີ້ບໍ່ຕິດກັບຫຼັກການພື້ນຖານທາງດ້ານຮ່າງກາຍເຊັ່ນກົດຫມາຍວ່າດ້ວຍການອະນຸລັກມະຫາຊົນ.

ໃນປັດຈຸບັນ, ທີມງານຢູ່ MIT ໄດ້ຊອກຫາວິທີທີ່ຈະລວມເອົາຂໍ້ຈໍາກັດທາງດ້ານຮ່າງກາຍເຂົ້າໄປໃນແບບຈໍາລອງການຄາດເດົາປະຕິກິລິຍາ, ປັບປຸງຄວາມຖືກຕ້ອງແລະຄວາມຫນ້າເຊື່ອຖືຂອງຜົນໄດ້ຮັບຢ່າງຫຼວງຫຼາຍ.

ຮູບພາບຂອງບົດຮຽນ 86.png
ລະບົບ FlowER (Flow matching for Electron Redistribution) ລະບົບອະນຸຍາດໃຫ້ຕິດຕາມການເຄື່ອນໄຫວຂອງອິເລັກໂທຣນິກແບບລະອຽດ, ຮັບປະກັນວ່າບໍ່ມີອິເລັກຕອນຖືກເພີ່ມ ຫຼືສູນເສຍໄປ. ພາບ: MIT News

ວຽກງານດັ່ງກ່າວ, ຈັດພີມມາໃນວັນທີ 20 ສິງຫາໃນວາລະສານ Nature, ໄດ້ຖືກຂຽນຮ່ວມກັນໂດຍ Joonyoung Joung (ປະຈຸບັນເປັນຜູ້ຊ່ວຍສາດສະດາຈານຢູ່ມະຫາວິທະຍາໄລ Kookmin, ເກົາຫຼີໃຕ້), ອະດີດວິສະວະກອນຊອບແວ Mun Hong Fong (ປະຈຸບັນຢູ່ມະຫາວິທະຍາໄລ Duke), ນັກສຶກສາຈົບປະລິນຍາຕີວິສະວະກໍາເຄມີ Nicholas Casetti, ນັກຄົ້ນຄວ້າຫຼັງປະລິນຍາເອກ Jordan Liles, ນັກສຶກສາຟີຊິກສາດ Ne Dassanor19, ຜູ້ນໍາໃນການພັດທະນາ Co. ພາກວິຊາວິສະວະກຳເຄມີ ແລະ ພາກ ວິຊາ ວິສະວະກຳໄຟຟ້າ.

ເປັນຫຍັງການຄາດເດົາປະຕິກິລິຍາຈຶ່ງສຳຄັນ?

Joung ອະທິບາຍວ່າ "ການຄາດເດົາຜົນຂອງປະຕິກິລິຍາແມ່ນເປັນວຽກທີ່ ສຳ ຄັນຫຼາຍ." ຕົວຢ່າງ, ຖ້າທ່ານຕ້ອງການເຮັດຢາໃຫມ່, "ທ່ານຈໍາເປັນຕ້ອງຮູ້ວິທີການສັງເຄາະມັນ. ນີ້ຮຽກຮ້ອງໃຫ້ມີການຮູ້ວ່າຜະລິດຕະພັນໃດທີ່ຈະປາກົດ" ຈາກຊຸດຂອງວັດສະດຸເລີ່ມຕົ້ນ.

ຄວາມພະຍາຍາມທີ່ຜ່ານມາມັກຈະເບິ່ງພຽງແຕ່ຂໍ້ມູນຂາເຂົ້າແລະຜົນຜະລິດ, ບໍ່ສົນໃຈຂັ້ນຕອນກາງແລະຂໍ້ຈໍາກັດທາງດ້ານຮ່າງກາຍເຊັ່ນ: ຄວາມບໍ່ສາມາດສ້າງຫຼືສູນເສຍມະຫາຊົນ.

Joung ຊີ້ໃຫ້ເຫັນວ່າ, ໃນຂະນະທີ່ LLMs ເຊັ່ນ ChatGPT ໄດ້ປະສົບຜົນສໍາເລັດບາງຢ່າງໃນການຄົ້ນຄວ້າ, ພວກເຂົາຂາດກົນໄກເພື່ອຮັບປະກັນວ່າຜົນໄດ້ຮັບຂອງພວກເຂົາປະຕິບັດຕາມກົດຫມາຍຂອງຟີຊິກ. ທ່ານກ່າວວ່າ "ໂດຍບໍ່ມີການຮັກສາ 'tokens' (ເຊິ່ງເປັນຕົວແທນຂອງປະລໍາມະນູ), LLMs ຈະສ້າງຫຼືທໍາລາຍອະຕອມໂດຍເຈດຕະນາ, "ລາວເວົ້າ. "ນີ້ແມ່ນຄ້າຍຄືການຜັນແປຫຼາຍກ່ວາວິທະຍາສາດ."

FlowerER Solution: ອີງໃສ່ເວທີເກົ່າ, ນໍາໃຊ້ກັບເຕັກໂນໂລຢີໃຫມ່

ເພື່ອເອົາຊະນະສິ່ງນີ້, ທີມງານໄດ້ໃຊ້ວິທີການໃນຊຸມປີ 1970 ທີ່ພັດທະນາໂດຍນັກເຄມີ Ivar Ugi - ຕາຕະລາງພັນທະບັດ - ເອເລັກໂຕຣນິກ - ເພື່ອເປັນຕົວແທນຂອງເອເລັກໂຕຣນິກໃນປະຕິກິລິຍາ.

ອີງໃສ່ສິ່ງນັ້ນ, ພວກເຂົາເຈົ້າໄດ້ພັດທະນາໂຄງການ FlowER (Flow matching for Electron Redistribution) ເຊິ່ງອະນຸຍາດໃຫ້ຕິດຕາມການເຄື່ອນໄຫວຂອງອິເລັກໂທຣນິກແບບລະອຽດ, ຮັບປະກັນວ່າບໍ່ມີອິເລັກຕອນຖືກເພີ່ມ ຫຼືສູນເສຍໄປ.

ມາຕຣິກເບື້ອງນີ້ໃຊ້ຄ່າທີ່ບໍ່ແມ່ນສູນເພື່ອເປັນຕົວແທນຂອງພັນທະບັດຫຼືຄູ່ຂອງອິເລັກຕອນຟຣີ, ແລະສູນສໍາລັບການກົງກັນຂ້າມ. Fong ອະທິບາຍວ່າ "ອັນນີ້ຊ່ວຍໃຫ້ພວກເຮົາອະນຸລັກທັງອະຕອມ ແລະເອເລັກໂທຣນິກ." ນີ້ແມ່ນກຸນແຈທີ່ຈະລວມເອົາການອະນຸລັກມະຫາຊົນເຂົ້າໃນຕົວແບບ.

ຫຼັກ​ຖານ​ຕົ້ນ​ຕໍ​ແຕ່​ມີ​ຄວາມ​ຫມັ້ນ​ຄົງ​

ອີງຕາມການ Coley, ລະບົບປະຈຸບັນແມ່ນພຽງແຕ່ການສາທິດ - ເປັນຫຼັກຖານສະແດງແນວຄວາມຄິດທີ່ສະແດງໃຫ້ເຫັນວິທີການ "ການໄຫຼເຂົ້າກັນ" ແມ່ນເຫມາະສົມດີກັບການຄາດຄະເນປະຕິກິລິຍາເຄມີ.

ເຖິງວ່າຈະມີການຝຶກອົບຮົມຂໍ້ມູນຈາກຫຼາຍກວ່າຫນຶ່ງລ້ານຕິກິຣິຍາເຄມີ (ເກັບກໍາຈາກຫ້ອງການສິດທິບັດສະຫະລັດ), ຖານຂໍ້ມູນຍັງຂາດໂລຫະ - ແລະປະຕິກິລິຍາ catalytic.

"ພວກເຮົາຕື່ນເຕັ້ນທີ່ລະບົບສາມາດຄາດຄະເນກົນໄກການຕິກິຣິຍາໄດ້,", Coley ເວົ້າ. "ມັນອະນຸລັກມະຫາຊົນ, ມັນອະນຸລັກເອເລັກໂຕຣນິກ, ແຕ່ແນ່ນອນວ່າມີວິທີທີ່ຈະຂະຫຍາຍແລະປັບປຸງຄວາມເຂັ້ມແຂງໃນຊຸມປີຂ້າງຫນ້າ."

ດຽວນີ້ຮູບແບບດັ່ງກ່າວມີໃຫ້ສາທາລະນະຢູ່ໃນ GitHub. Coley ຫວັງວ່າມັນຈະເປັນເຄື່ອງມືທີ່ເປັນປະໂຫຍດສໍາລັບການປະເມີນປະຕິກິລິຍາແລະການສ້າງແຜນທີ່ຕອບສະຫນອງ.

ເປີດແຫຼ່ງຂໍ້ມູນແລະທ່າແຮງຂອງແອັບພລິເຄຊັນທີ່ກວ້າງຂວາງ

"ພວກເຮົາເຮັດໃຫ້ທຸກສິ່ງທຸກຢ່າງສາທາລະນະ - ຈາກຕົວແບບ, ຂໍ້ມູນ, ໄປຫາຊຸດຂໍ້ມູນທີ່ຜ່ານມາສ້າງໂດຍ Joung ທີ່ລາຍລະອຽດຂັ້ນຕອນກົນໄກທີ່ຮູ້ຈັກຂອງປະຕິກິລິຍາ," Fong ເວົ້າ.

ອີງຕາມທີມງານ, FlowER ສາມາດຈັບຄູ່ຫຼືເກີນວິທີການທີ່ມີຢູ່ແລ້ວໃນການຄົ້ນຫາກົນໄກມາດຕະຖານ, ໃນຂະນະທີ່ຍັງໂດຍທົ່ວໄປແລ້ວກັບປະເພດປະຕິກິລິຍາທີ່ບໍ່ເຄີຍເຫັນມາກ່ອນ. ການ​ນໍາ​ໃຊ້​ທີ່​ເປັນ​ໄປ​ໄດ້​ນັບ​ຕັ້ງ​ແຕ່​ເຄ​ມີ​ການ​ຢາ​, ການ​ຄົ້ນ​ພົບ ​ອຸ​ປະ​ກອນ​ການ​, ການ​ຄົ້ນ​ຄວ້າ​ໄຟ​, ເຄ​ມີ​ອາ​ກາດ​, ກັບ​ລະ​ບົບ​ໄຟ​ຟ້າ​.

ເມື່ອປຽບທຽບກັບລະບົບອື່ນໆ, Coley ສັງເກດວ່າ: "ດ້ວຍທາງເລືອກສະຖາປັດຕະຍະກໍາທີ່ພວກເຮົາໃຊ້, ພວກເຮົາບັນລຸການກ້າວກະໂດດຂອງ quantum ໃນຄວາມຖືກຕ້ອງແລະຄວາມຊື່ສັດ, ໃນຂະນະທີ່ຮັກສາຫຼືປັບປຸງຄວາມຖືກຕ້ອງເລັກນ້ອຍ."

ສິ່ງທີ່ເປັນເອກະລັກ, Coley ເວົ້າວ່າ, ແມ່ນວ່າຕົວແບບບໍ່ໄດ້ "ປະດິດ" ກົນໄກ, ແຕ່ແທນທີ່ຈະ infers ພວກເຂົາໂດຍອີງໃສ່ຂໍ້ມູນການທົດລອງຈາກວັນນະຄະດີສິດທິບັດ. "ພວກເຮົາກໍາລັງສະກັດກົນໄກຈາກຂໍ້ມູນການທົດລອງ - ບາງສິ່ງບາງຢ່າງທີ່ບໍ່ເຄີຍເຮັດແລະແບ່ງປັນໃນລະດັບນີ້."

ຂັ້ນຕອນຕໍ່ໄປ

ທີມງານວາງແຜນທີ່ຈະຂະຫຍາຍຄວາມເຂົ້າໃຈຂອງຕົວແບບກ່ຽວກັບໂລຫະແລະ catalysis. Coley ຍອມຮັບວ່າ "ພວກເຮົາພຽງແຕ່ຂູດພື້ນຜິວ,".

ໃນໄລຍະຍາວ, ລາວເຊື່ອວ່າລະບົບສາມາດຊ່ວຍຄົ້ນພົບປະຕິກິລິຍາທີ່ສັບສົນໃຫມ່, ເຊັ່ນດຽວກັນກັບການສ່ອງແສງກ່ຽວກັບກົນໄກທີ່ບໍ່ຮູ້ມາກ່ອນ. "ທ່າແຮງໃນໄລຍະຍາວແມ່ນໃຫຍ່ຫຼວງ, ແຕ່ນີ້ແມ່ນພຽງແຕ່ການເລີ່ມຕົ້ນ."

ການຄົ້ນຄວ້າໄດ້ຮັບການສະຫນັບສະຫນູນໂດຍບໍລິສັດການຮຽນຮູ້ເຄື່ອງຈັກສໍາລັບການຄົ້ນພົບແລະການສັງເຄາະຢາແລະມູນນິທິວິທະຍາສາດແຫ່ງຊາດສະຫະລັດ (NSF).

(ທີ່ມາ: MIT)

ທີ່ມາ: https://vietnamnet.vn/moi-hinh-ai-moi-du-doan-phan-ung-hoa-hoc-chinh-xac-nho-bao-toan-khoi-luong-2444232.html