AIQM3: Apuntando a la precisión de Coupled-Cluster con velocidad semiempírica en siete elementos principales

Área de la Ciencia:

• Química Computacional
• Ciencia de Materiales
• Descubrimiento de Fármacos

Sus antecedentes:

• La serie AIQM ofrece modelos de redes neuronales para simulaciones químicas precisas.
• Los modelos anteriores (AIQM1, AIQM2) se limitaban a los elementos H, C, N, O.
• Una cobertura elemental más amplia es crucial para las simulaciones atomísticas.

Objetivo del estudio:

• Introducir AIQM3, una extensión de los métodos AIQM.
• Ampliar la cobertura elemental para incluir S, F y Cl.
• Lograr la precisión de acoplamiento de clústeres a velocidades semiempíricas.

Principales métodos:

• Aprovechamiento del Δ-aprendizaje para la precisión y robustez.
• Desarrollo de un modelo de red neuronal para simulaciones moleculares.
• Extensión del marco AIQM a nuevos elementos químicos.

Principales resultados:

• AIQM3 logra una precisión a nivel de acoplamiento de clústeres con alta eficiencia.
• Supera la Teoría de Funcionales de la Densidad (DFT) en interacciones moleculares.
• Demuestra precisión en simulaciones de reacciones, diseño de fármacos y predicción de energías de radicales/iones sin entrenamiento específico.
• Permite cálculos de espectros infrarrojos (IR) de bajo costo.

Conclusiones:

• AIQM3 avanza significativamente las simulaciones atomísticas al expandir el alcance elemental y mantener una alta precisión.
• Ofrece una alternativa competitiva y eficiente a métodos existentes como DFT.
• Accesible a través de servicios web para facilitar un uso científico más amplio.