Machine Learning for the Acceleration of Quantum Chemical Simulations
AI en Machine Learning kunnen quantumchemische simulaties versnellen, zelfs met een beperkt budget.
Voor veel toepassingen is het niet nodig om zeer grote en complexe AI-modellen te gebruiken. Mijn onderzoek laat zien dat relatief eenvoudige modellen voor specifieke kwantumchemische problemen al goede resultaten kunnen opleveren.
Mijn werk bevindt zich op het snijvlak van computationele chemie, kwantumchemie en kunstmatige intelligentie. Met kwantumchemische simulaties kunnen eigenschappen van moleculen worden onderzocht zonder dat voor iedere vraag direct een laboratoriumexperiment nodig is. Zulke simulaties kunnen onderzoek ondersteunen, maar nauwkeurige berekeningen vragen vaak veel rekentijd en computerkracht.
Daarom richtte ik me op de vraag hoe kunstmatige intelligentie kan worden gebruikt om bepaalde kwantumchemische berekeningen efficiënter uit te voeren. Het doel was om resultaten van vergelijkbare kwaliteit te verkrijgen met minder rekenwerk.
Mijn onderzoek laat zien dat de meest complexe AI-methode niet automatisch de beste keuze is. Welke aanpak het meest geschikt is, hangt af van het probleem, de beschikbare data en de gewenste nauwkeurigheid. Voor sommige kwantumchemische toepassingen kunnen eenvoudige modellen al voldoende zijn. Voor andere toepassingen werkt een combinatie van kunstmatige intelligentie en bestaande wetenschappelijke modellen beter.
Meer informatie over het proefschrift volgt.