Physics-Aligned Electronic Ground-State Learning Improves Generalization

在探索设计新药和发现更强材料的过程中，科学家们依赖于一种被称为计算化学的强大工具。这一领域允许研究人员在计算机上模拟原子和分子的行为，在进行任何物理实验之前，先建立一个虚拟实验室。这些模拟的核心需求是理解分子的“基态”（ground state），这本质上是其最稳定、处于静止状态的电子排列方式。了解这种排列方式可以让科学家预测一个分子的反应方式、其强度如何，或者它可能如何与药物相互作用。然而，以完美的精度计算这种基态是非常困难且计算成本极高的，即使是对单个分子，也往往需要在超级计算机上运行数小时甚至数天。为了提高速度，研究人员开发了机器学习模型，可以近乎瞬间给出这些答案。虽然这些模型在预测其曾见过的分子属性方面表现出色，但当被要求预测那些与其训练数据不同的更大、更复杂分子的行为时，它们往往会失效。

来自慕尼黑工业大学和英伟达（NVIDIA）的研究团队提出了一种构建这些机器学习模型的新方法，旨在弥合速度与精度之间的鸿沟。他们的做法不是尝试直接预测最终答案，而是教计算机学习支配电子如何排列的底层规则。他们设计了一个充当中间地带的系统：它比最精确的传统方法快得多，但比目前的机器学习捷径要可靠得多。他们成功的关键在于迫使计算机以一种尊重宇宙基本物理定律的方式进行学习，而不是仅仅记忆数据中的模式。通过将学习过程与描述电子行为的实际方程相对齐，他们创建的模型不仅仅是在猜测，而是理解了问题的几何结构。

研究人员通过训练一个小型分子数据集来测试其方法，然后要求它预测规模大出四倍的分子的性质。在这些测试中，他们的新模型显示出比以往最先进方法更显著的改进。对于其系统的最精确版本，在预测这些较大分子的能量时，其误差比现有的最佳替代方案降低了近 99.8%。这种精度的提升至关重要，因为在化学领域，即使是微小的误差也可能导致关于药物是否有效或材料是否稳固的完全错误的预测。此外，该系统还包含一个内置的安全检查机制。如果模型遇到过于奇特或复杂以至于无法自信处理的分子，它可以将该预测标记为不可靠。在测试中，这种安全机制成功过滤掉了不到 0.5% 的预测，确保了所提供的绝大多数结果都是值得信赖的。

这项工作的最重要发现之一是，这些符合物理规律的模型可以泛化到它们从未见过的规模。虽然其他机器学习模型在面对更大的系统时往往会崩溃，但这些新模型即使在预测拥有数百个电子的分子行为时，仍能保持高精度。研究人员还展示了他们的模型可以被改编用于研究化学反应，包括化学键断裂和形成的瞬时时刻。通过使用一种无需新标注数据的技术来优化模型，他们能够将系统迁移到新的化学环境，并实现低于“化学精度”（chemical accuracy）阈值的误差，而这正是该领域有用预测的金标准。

该团队明确反对该领域常用的标准方法，即通常将这些分子的数学表示视为待匹配的简单数字列表。他们指出，这种常用方法无法捕捉分子不同部分之间真实的物理关系，导致在系统规模发生变化时表现不佳。相比之下，他们的新方法将电子排列视为一种必须遵守严格规则的特定几何形状，就像一个不能被任意拉伸或扭曲的刚性结构。这种约束迫使模型学习正确的物理行为，而非仅仅是拟合数据。其结果是一个不仅更精确，而且更稳健的系统，能够处理以前对于快速机器学习方法而言难以触及的现实世界化学问题的复杂性。

这项工作为创建化学领域的“基础模型”指明了方向，类似于用于文本的大型语言模型。正如那些模型通过学习语言规则来生成新的句子，这些新模型通过学习电子规则来产生新的分子洞察。研究人员证明，通过尊重问题的物理约束，他们可以达到足以媲美最昂贵传统计算的性能水平，但所需时间仅为其中的一小部分。这为以以往不可能实现的的速度和可靠性来筛选庞大的潜在药物和材料库打开了大门，有望加速未来救命药物和先进材料的发现。