Naukowcy z Wydziału Chemii Uniwersytetu Warszawskiego, we współpracy z badaczami z Xiamen University w Chinach, opracowali OMNI-P2x – pierwszą uniwersalną sieć neuronową, która potrafi przewidzieć zachowania cząsteczek organicznych po absorpcji światła. Wyniki badań opublikowano w czasopiśmie „Nature Communications”.
Fotoindukowane procesy stoją u podstaw wielu współczesnych technologii – od ogniw słonecznych, przez ekrany OLED, po fotokatalizę i magazynowanie energii słonecznej. Ich modelowanie na poziomie kwantowo-mechanicznym jest jednak bardzo kosztowne obliczeniowo. Dokładny opis jednej cząsteczki potrafi zająć komputerom godziny lub dni pracy, co ogranicza skalę badań.
Zespół z Uniwersytetu Warszawskiego i Uniwersytetu Xiamen w Chinach wytrenował sieć neuronową na danych dla około 3,1 mln cząsteczek organicznych. Powstały model, OMNI-P2x, potrafi przewidzieć widmo absorpcji UV/Vis nieznanej wcześniej cząsteczki w ułamku sekundy, przy dokładności porównywalnej z dotychczas stosowanymi metodami kwantowo-mechanicznymi (TD-DFT), które na to samo zadanie potrzebują czasu dłuższego o kilka rzędów wielkości. Co istotne, OMNI-P2x okazał się jednocześnie szybszy i dokładniejszy od popularnych, przybliżonych metod pół-empirycznych.
Badaniami kierowali prof. Pavlo O. Dral z Uniwersytetu Xiamen oraz dr Joanna Jankowska z Wydziału Chemii UW. Pierwszym autorem publikacji jest Mikołaj Martyka, doktorant na Wydziale Chemii UW.
Projektowanie fotoprzełączników z pomocą AI
Aby pokazać praktyczne zastosowanie modelu, badacze przeskanowali nim pół miliona pochodnych azobenzenu – cząsteczek, które potrafią zmieniać swoją strukturę pod wpływem światła. Związki te są obiecującymi kandydatami zarówno do magazynowania energii słonecznej, jak i zastosowań medycznych, m.in. w fotofarmakologii.
Spośród ogromnej liczby analizowanych struktur wyłoniono 21 o najbardziej korzystnych właściwościach absorpcyjnych. Wśród nich znalazły się trzy cząsteczki o przewidywanych długościach fali absorpcji 640, 667 i 687 nm, przewyższające pod tym względem analogi opisane dotychczas w literaturze.
Drugie zastosowanie modelu to przyspieszanie symulacji ultraszybkiej dynamiki cząsteczek w stanach wzbudzonych, czyli tego, co dzieje się z cząsteczką w pierwszych femtosekundach po pochłonięciu fotonu. Dzięki wykorzystaniu OMNI-P2x jako punktu startowego do dalszego uczenia takie symulacje stają się nawet dziesięciokrotnie bardziej wydajne pod względem ilości danych potrzebnych do ich przeprowadzenia.
Obecna wersja modelu pozwala na modelowanie cząsteczek zbudowanych z najczęściej spotykanych pierwiastków organicznych: H, C, N, O, F, S oraz Cl. Naturalnym kierunkiem dalszych prac jest rozszerzenie modelu na większą grupę pierwiastków, jony oraz integracja z dokładniejszymi metodami kwantowymi.
Kod modelu jest udostępniony na licencji otwartej w pakiecie MLatom.
Publikacja:
Martyka, M., Tong, X.-Y., Jankowska, J., Dral, P. O. OMNI-P2x universal neural network potential for excited-state simulations. “Nature Communications” (2026). DOI: 10.1038/s41467-026-71380-5