【AI】隔空论战：DeepMind声称用AI首次在量子尺度上模拟物质，俄罗斯科学家不同意了

来源：AI前线 作者：Tristan Greene 译者：王强，刘燕 策划：刘燕 随着人工智能和量子科学领域越来越紧密地交织在一起，这方面的研究也逐渐被财力雄厚的企业研究机构所主导。如果出现了科学“僵局”，对立双方无法通过科学方法就特定技术方法的有效性达成一致——而其中又掺杂了企业利益时，会发生什么？ 科学研究的突破成果总是引人注目、鼓舞人心。但当不同立场的科学家群体对成果的看法存在差异时，往往激发科学辩论。 近期，科技圈的一场学术争论引起热议。 谷歌母公司 Alphabet 旗下的研究公司 DeepMind 去年12月在 Science 杂志上发表了一篇精彩的 研究论文，该论文声称，他们已经解决了“用 AI 在量子尺度上模拟物质”的巨大挑战。 如果论文的结论属实，这项前沿研究可以称得上影响深远。本质上讲，我们讨论的是使用人工智能来发现更多操纵物质组成元素的新方法，这是这项研究的潜力所在。 八个月后，由俄罗斯和韩国科学家组成的一个学术研究团队（成员包括7位俄罗斯科学家，1位韩国科学家）对 DeepMind 的研究成果提出了异议。他们可能已经发现了 DeepMind 研究中的一个问题，该问题动摇了整个论文结论的可靠性。 DeepMind 新研究 DeepMind 这项研究的核心理念是设法模拟量子的相互作用。我们的世界是由物质组成的，而物质又是由原子构成的分子组成的。级别越小，模拟起来就越难。 深入到存在于原子内部的量子层级，模拟潜在相互作用就成为了极具挑战性的问题。 DeepMind 在一篇博客文章中提到，

要在计算机上做到这一点，需要对电子进行模拟。电子是控制原子结合形成分子的亚原子粒子，也负责固体中的电流流动。

尽管业界数十年来在该方向上不断努力，并取得了一些重大进展，但准确地模拟电子的量子力学行为仍是待解决的挑战。这里的基本问题是，计算机很难预测给定电子最终到达特定位置的概率。添加的电子越多，问题越复杂。

正如 DeepMind 在同一篇博文中指出的那样，1960 年代的两位物理学家取得了一项突破：

Pierre Hohenberg 和 Walter Kohn 意识到，我们没必要单独跟踪每个电子。相比之下，只要知道任何电子在每个位置的概率（即电子密度）就足以准确计算所有相互作用。Kohn 在证明这一点后获得了诺贝尔化学奖，密度泛函理论（Density Functional Theory，DFT）由此诞生。不幸的是，DFT 只能把流程简化到这一步了。该理论的“泛函”部分需要人类来完成所有繁重的工作。 去年 12 月，事情出现了转机。当时 DeepMind 发表了一篇题为“通过解决分数电子问题推动密度泛函的前沿研究”的论文。 在该论文中，DeepMind 团队声称通过开发一个神经网络，从根本上改进了当前用于模拟量子行为的方法：