Uutiset

Koneoppimisesta apua kemisteille: algoritmien avulla minimienergiapolut ja satulapisteet löytyvät tehokkaammin

Koneoppiminen avaa uusia mahdollisuuksia monille aloille – myös kemian tutkimukseen, minkä osoittaa Suomen tekoälykeskuksessa tehty tuore väitöstutkimus.
Machine learning in theoretical chemistry
Lähde: J. Chem. Phys. 147, 152720 (2017). Julkaistu AIP Publishingin luvalla.

 

Aalto-yliopiston tohtorikoulutettava Olli-Pekka Koistinen kehitti väitöskirjassaan gaussisiin prosesseihin perustuvia koneoppimisalgoritmeja, jotka tehostavat minimienergiapolkujen ja satulapisteiden etsintää, sekä testasi niiden toimivuutta.

Teoreettisessa kemiassa minimienergiapolkujen ja satulapisteiden määrittäminen on yksi eniten aikaa ja laskentaresursseja kuluttavista tehtävistä. Laskenta-aikaa kuluu etenkin atomikonfiguraation tarkan energian ja gradienttivektorin määrittämiseen. Se joudutaan tekemään erikseen jopa sadoissa konfiguraatioavaruuden pisteissä.

Koneoppimista hyödyntävät menetelmät voivat vähentää tarvittavien havaintopisteiden ja raskaiden energialaskujen määrää murto-osaan siitä, mitä perinteiset menetelmät vaativat, ja siten nopeuttaa ja keventää laskentaa.

Minimienergiapolut kulkevat potentiaalienergiapinnalla, joka kuvaa järjestelmän – esimerkiksi molekyylin – energiaa tiettyjen parametrien suhteen. Yleensä nämä parametrit kertovat atomien sijainnin. Energiapinnan paikalliset minimikohdat vastaavat systeemin vakaita tiloja. Minimienergiapolut yhdistävät näitä vakaita tiloja toisiinsa ja kuvaavat mahdollisia reaktiomekanismeja.

”Suunnistajana ajattelen energiapintaa karttana. Pysyvät atomikonfiguraatiot näkyvät kartassa kuoppina. Minimienergiapolku on reitti kahden tällaisen tilan välillä. Se pysyy koko ajan mahdollisimman matalana. Polun korkein kohta on satulapisteessä, jolloin se pääsee pujahtamaan kuopasta toiseen mahdollisimman matalalta”, Koistinen selittää.

Perinteisesti minimienergiapolkuja ja satulapisteitä on etsitty iteratiivisilla menetelmillä, jotka etenevät energiapinnalla pienin askelin. Koneoppimisen ja tilastollisten mallien avulla aikaisemmat havainnot voidaan käyttää hyväksi energiapinnan mallintamiseksi, jolloin tavoitteeseen voidaan päästä huomattavasti vähemmillä iteraatioilla.

Koneoppiminen tarjoaa siis tehtävään tehokkaamman ja kevyemmän sekä sitä kautta myös aiempaa halvemman ja ympäristöystävällisemmän keinon. Se voi myös avata mahdollisuuksia sellaisten ongelmien tutkimiseen, joihin käytännön resurssit eivät ole aikaisemmin riittäneet. ”Tämä on yksi esimerkki lisää siitä, mihin koneoppimismenetelmiä voi käyttää”, Koistinen sanoo.

Diplomi-insinööriOlli-Pekka Koistinen väittelee torstaina 9. tammikuuta 2020 Aalto-yliopiston perustieteiden korkeakoulussa Kandidaattikeskuksen salissa E (Y124). Väitöskirjan nimi on "Algorithms for Finding Saddle Points and Minimum Energy Paths Using Gaussian Process Regression".

Linkki väitöskirjaan: https://aaltodoc.aalto.fi/handle/123456789/41794

  • Julkaistu:
  • Päivitetty:
Jaa
URL kopioitu

Lue lisää uutisia

Utuinen ihmishahmo näyttää kävelevän pois päin, varjo heijastuu vaalealle pinnalle
Tutkimus ja taide, Opinnot, Yliopisto Julkaistu:

Maisteriopiskelijoiden näyttely Suomen valokuvataiteen museossa

Valokuvataiteen pääaineen maisteriopiskelijoiden MoA in Photography 23 -näyttely on esillä 12. maaliskuuta asti.
Nainen rannalla tuulisella säällä hymyilee, taustalla meri kuohuaa
Nimitykset, Tutkimus ja taide Julkaistu:

Professori Ranja Hautamäki: ”Monimuotoinen kaupunkiluonto on keskeinen tekijä hyvinvoinnin ja hiilinielujen lisäämiseksi”

Maisema-arkkitehtuurin professori ratkoo ilmastonmuutoksen hillintää ja kaupunkiluonnon hiilinieluja koskevia kysymyksiä.
NASAn Curiosity-mönkijä kuvaama pölypyörre Marsin Gale-kraatterissa. Kuvankäsittely: Henrik Kahanpää. Alkuperäinen kuva: NASA / JPL-Caltech
Tutkimus ja taide, Opinnot Julkaistu:

Marsin sää vaihtelee rajusti, mutta sen ilmasto ei ole muuttumassa

Väitöstutkimuksessaan Henrik Kahanpää myös kyseenalaistaa Marsin pölypyörteisiin liittyvän vallitsevan käsityksen. Tutkijana hän toivoo, että ihminen ei koskaan menisi Marsiin.
A portrait of Laureen Mahler.
Tutkimus ja taide Julkaistu:

Laureen Mahler luo origamitaitosten avulla biopohjaisia ja myös katseita kestäviä pakkauksia

Monet pakkausteollisuuden tuotteet perustuvat muoviin ja muihin fossiilipohjaisiin materiaaleihin. Aalto-yliopiston Bioinnovaatiokeskuksessa kehitetään origamitaitoksiin perustuvia ekologisia pakkausratkaisuja, joilla on arvoa myös kauniina esineinä.