“获取化学指纹的人工智能”

人工智能研究的巨大进步在过去的十年中导致了这个行业广泛而诱人的快速发展。 汽车的自动驾驶，以及大型搜索引擎和垃圾邮件过滤器等日常应用，证明了人工智能行业方法的多功能性。

红外光谱是深入理解分子世界最有价值的实验方法之一。 红外光谱是化学指纹，提供物质和材料的成分和性质的新闻。 在许多情况下，这些光谱非常多、复杂，详细的分解是计算机辅助模拟中不可缺少的。 量子化学计算基本上可以非常准确地预测红外光谱，但由于其相关的高计算量，难以实现实践上的适用性。 因此，只能与比较小的化学系统进行比较来计算可靠的红外光谱。

维也纳大学化学系的飞利浦市场与领导的国际研究小组现在找到了利用人工智能加速这些模拟的方法。 为此，采用所谓的人工神经网络，即人脑的数学模型。 只需采用几个例子，就可以学习红外光谱建模所需的许多复量子力学关系。 这样，科学家们就能在几分钟内完成模拟。 否则，采用现代超级计算机也需要几千年而不牺牲可靠性。 我们终于能够模拟出用至今为止采用的模拟技术无法克服的化学问题了。 这项研究的第一作者michael gastegger说。

基于这项研究的结果，研究者相信他们的光谱预测方法将广泛用于未来的实验红外光谱的分解。