In the age of big data and AI: do we still need chemical bonds?
本文认为，在人工智能时代，化学键仍然至关重要，文章证明了深度学习模型能够从其潜空间中自然地恢复化学键概念，且显式化学键描述符能显著提升材料性质的预测能力，从而将化学键重新定义为电子结构的一种可学习、可压缩的表征。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
化学是研究物质如何结合以及如何变化的科学。其核心在于一个简单而强大的概念：化学键。一个多世纪以来，科学家们一直利用这一概念来解释为什么原子会结合在一起形成分子，为什么有些材料坚硬而另一些则柔软，以及物质之间是如何发生反应的。在处理碳基生命和塑料的有机化学领域，这些键通常被可视化为连接原子的清晰线条，就像城市的地图一样。然而，在无机固体——如金属、陶瓷和矿物等材料——这个广阔而复杂的领域中，画面变得模糊了。这些材料中的原子并不总是以整齐、可预测的配对方式连接。有时它们通过集体电子云共享电子，或者以一种无法用简单的图形来描绘的方式进行相互作用。由于这种歧义性，化学家开发了许多不同的描述方式，但没有一种是完全独特或普遍正确的。
今天，一种新的力量进入了实验室：人工智能。强大的计算机模型现在可以以惊人的速度和准确性预测材料的性质，通常只需观察原子的位置和类型，而无需明确询问“这是什么样的键？”这引发了一个具有挑衅性的问题：如果机器可以在不理解“键”的情况下学习材料的规则，我们是否还需要“化学键”这个概念？它是一个过时的遗物，还是握着机器尚未发现的钥匙？
来自德国的一个研究小组致力于通过测试化学键与人工智能之间的关系来回答这个问题。他们不仅仅是询问机器能否预测性质，而是询问机器究竟学到了什么。他们检查了两种用于材料科学的最先进的人工智能类型，即被称为“基础模型”（foundation models）的模型。这些模型是在大规模的晶体结构及其能量数据库上训练的，旨在学习原子如何相互作用。研究人员想要看看，在这些模型的复杂数学逻辑中，是否隐藏着一种与化学家使用了几十年的描述相匹配的化学键表示形式。
团队首先研究了一个名为 Allegro 的模型。该模型将材料的总能量分解为来自原子对的贡献，从而为它看到的每一个连接有效地创建了一个“键能”。研究人员将这些由机器生成的键能与传统的、基于量子力学的键强度和键级度（bond order）的度量标准进行了比较，后者是通过复杂的物理方程计算得出的。他们发现了一个显著的联系。机器内部的键能与衡量键强度和电子共享程度的传统度量标准高度相关。事实上，机器在从未被告知这些概念的情况下，就已经学会了识别这些化学概念。它通过仅仅尝试预测材料的能量，就自行发现了它们。
他们在第二个名为 MACE 的模型上重复了这项调查。该模型观察的是每个原子周围的局部环境，而非仅仅是原子对。研究人员检查了该模型对原子环境的内在理解是否符合电荷这一化学概念。结果再次显示，机器学会了这种模式。模型用来描述原子环境的内部数值，与决定原子如何与其邻居相互作用的基本属性——电荷——紧密契合。机器并未被编程输入电荷或成键的规则；它是从数据中推断出了这些规律。
然而，研究人员并没有止步于展示机器如何学习这些概念。他们提出了一个相反的问题：如果我们给予机器显性的化学键语言，是否能帮助它们变得更好？为了测试这一点，他们构建了一个标准机器学习模型的新版本，并向其输入了显性的化学数据。他们向模型提供了源自量子计算的代表键强度和键级度的数字，同时辅以通常的原子位置信息。然后，他们要求模型预测困难的物理性质，例如材料的刚性（体积模量）或抗刮擦能力（剪切模量）。
结果非常明确。接收了显性化学键信息的模型做出的预测明显更好。对于刚性和抗剪切性等性质，与仅观察原子位置的模型相比，预测误差下降了15%。这证明了虽然机器可以学习模拟成键的效果，但赋予它们化学的实际语言提供了一个捷径。它使它们能够更深入地理解材料，并做出更准确的猜测，特别是对于那些高度依赖电子如何在原子间共享的性质。
这项研究表明，化学与人工智能之间的关系不是一种谁取代谁的竞争，而是一种伙伴关系。机器能够自行发现成键的隐藏模式，但它们并不总是以人类易于阅读或使用的方式来表达这些模式。反之，传统的化学键概念虽然有时具有歧义，但提供了一种描述复杂的电子舞蹈的简洁且有意义的方式。当这些人类友好的概念被输入到机器中时，它们起到了引导作用，帮助模型专注于最重要的物理细节。
研究人员总结道，大数据和人工智能时代并不意味着化学键的过时。相反，它为评估和完善这些概念提供了一种新的途径。如果机器可以从数据中学习成键的规则，并且如果这些规则有助于机器预测新材料的行为，那么“键”的概念就被验证为一个有用且强大的工具。目标不再是寻找单一、完美的键的定义，而是寻找最能帮助我们理解和设计未来材料的描述方式。在这个新时代，化学键不仅是一本静态的规则手册；它是一种可学习的语言，连接着抽象的量子力学世界与我们建造和使用的有形材料现实。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。