خب، بذارید همین اول یه چیز باحال بگم: دانشمندای دانشگاه میشیگان آمریکا تونستن روشی بسازن که مدل‌سازی مولکولی رو با دقت سطح کوانتومی انجام بده! اگه نمی‌دونی مدل‌سازی مولکولی چیه، خلاصه‌اش اینه که با کامپیوتر سعی می‌کنیم رفتار مولکول‌ها رو دقیق پیش‌بینی کنیم؛ یعنی بفهمیم واکنش‌ها چطوری هستن و مواد مختلف چه خواصی دارن.
حالا یه نکته مهم: تقریباً یک‌سوم زمان کل ابرکامپیوترهای آزمایشگاه‌های ملی آمریکا صرف فهمیدن همین چیزها میشه! خیلی عجیب نیست؟ توی قلب این تحقیقات یه مشکل اساسی هست به اسم “مسئله کوانتومی چندجسمی” که بخوام ساده بگم، مربوط به اینه که الکترون‌ها دقیقاً چطوری با هم دیگه برهم‌کنش دارن و این، همه چی رو مشخص میکنه؛ از پیوندهای شیمیایی بگیر تا رفتار الکتریکی مواد.
تا الان، اگه می‌خواستیم با بالاترین دقت واکنش‌ها و چیزای دیگه رو ببینیم، باید از محاسبات سنگین کوانتومی استفاده می‌کردیم که فقط واسه مولکول‌های خیلی کوچیک جواب میده؛ یعنی اگه بخواییم بریم سراغ مولکول‌های بزرگ‌تر یا مواد پیچیده‌تر، دیگه کامپیوترها کم میارن.
اینجا یه روش خیلی مهم وارد میشه: تئوری تابع چگالی یا همون DFT! (Density Functional Theory یعنی روشی توی شیمی کوانتومی که به جای اینکه سراغ تک‌تک الکترون‌ها بریم، فقط چگالی الکترونی رو بررسی میکنه و این‌جوری کار رو خیلی سبک‌تر میکنه.) با این روش میشه سیستم‌هایی با صدها اتم رو شبیه‌سازی کرد، اما چالش اصلی تو بخشیه به اسم “تابع تبادل-همبستگی” یا همون Exchange-Correlation Functional (که نقش اصلی‌اش اینه که نشون بده برهم‌کنش الکترون‌ها دقیقاً چجوری باید باشه). معمولا دانشمندها مجبورن از یه سری تقریب استفاده کنن که برای هر کاربرد جدا جدا تنظیم شده و خب دقت مدل‌ها رو محدود میکنه.
تا حالا هیچکس نتونسته این تابع رو به صورت دقیق واسه همه جا پیدا کنه! ولی می‌دونن که یه فرمول جهانی واسه همه سیستم‌های الکترونی وجود داره، فقط شکل دقیقش هنوز مبهمه. پیدا کردن این جواب، باعث میشه شبیه‌سازی‌ها توی شیمی و علم مواد خیلی دقیق‌تر و کاربردی‌تر باشه.
اینجا دولت آمریکا (وزارت انرژی، یا همون DOE که کلی از پروژه‌های بزرگ علمی رو حمایت میکنه) اومد و به تیم دانشگاه میشیگان پول و منابع ابَرکامپیوتری داد تا بتونن این تابعه رو دقیق‌تر کشف کنن.
روش کارشون هم جالب بود: اول اومدن با نظریه کوانتومی چندجسمی برای اتم‌ها و مولکول‌های کوچیک، رفتار دقیق الکترون‌ها رو حساب کردن (که خیلی پرزحمت و دقیق هست). بعدش به جای اینکه مثل بقیه، از تقریب‌های قبلی برای تابع XC استفاده کنن، دست به دامان یادگیری ماشین شدن! (یادگیری ماشین یعنی: یه نوع هوش مصنوعی که می‌تونه با دقت بالا از بین داده‌ها الگو پیدا کنه.) با کمک این روش، تونستن حدس بزنن چه تابعی لازم داریم تا درست همون رفتارهای کوانتومی سخت رو شبیه‌سازی کنه.
نکته باحال اینه که حالا این تابع جدید محدود به یه ماده خاص یا یه کاربرد نیست و همین باعث میشه واسه کلی زمینه مختلف کاربرد داشته باشه، از باتری‌های پیشرفته بگیر تا طراحی دارو و حتی ساخت کامپیوترهای کوانتومی! بیکاش کانونگو، یکی از نویسنده‌های اصلی این کار گفت: هر چقدر این تابع بهتر بشه، DFT هم قدرت بیشتری پیدا میکنه و شبیه‌سازی‌های دقیق‌تری فراهم میکنه؛ یعنی دانشمندها می‌تونن با خیال راحت به نتایج این مدل‌ها اعتماد کنن و روی مواد یا داروهای جدید تست انجام بدن.
الان دانشمندها دو گزینه دارن: یا از همین تابع XC تیم دانشگاه میشیگان استفاده می‌کنن، یا روش‌شون رو برمی‌دارن و برای سیستم‌های جدید امتحان می‌کنن؛ مثلاً اولش با اتم‌ها و مولکول‌های سبک‌تر شروع میشه، بعد میشه سراغ جامدات رفت و اینطوری شبیه‌سازی‌های شیمی و علوم مواد وارد یه عصر خیلی دقیق‌تر و کاربردی‌تر میشه!
خلاصه اگر توی دنیای شیمی، مواد یا کامپیوترهای آینده دنبال پیشرفت هستی، نتیجه این تحقیق دقیقاً همون چیزیه که کلیا آدم منتظرش بودن!
منبع: +
