ШІ за лічені секунди вирішив фізичне завдання столітньої давності
Дослідники з Університету Нью-Мексико та Лос-Аламоської національної лабораторії розробили новий обчислювальний метод, який може вирішити одне з найскладніших завдань статистичної фізики — розрахунок про конфігураційних інтегралів. Система отримала назву THOR AI (Tensors for High-dimensional Object Representation). Робота опублікована у журналі Physical Review Materials (PRM).
Конфігураційні інтеграли використовуються для опису взаємодії частинок і дозволяють прогнозувати термодинамічні та механічні властивості матеріалів. Такі обчислення необхідні, наприклад, вивчення фазових переходів, поведінки речовин при екстремальному тиску і розробки нових матеріалів. Однак безпосередньо обчислювати ці інтеграли дуже складно.
"Конфігураційний інтеграл, який описує взаємодії частинок, надзвичайно важко обчислити, особливо в завданнях матеріалознавства, пов'язаних з високими тисками або фазовими переходами", - пояснив керівник проекту, фахівець із штучного інтелекту з Лос-Аламоської лабораторії Боян Олександров.
Головна проблема полягає в так званому «проклятті розмірності». Принаймні збільшення кількості змінних складність обчислень зростає експоненційно. Навіть сучасні суперкомп'ютери важко справляються з такими завданнями. Тому вчені десятиліттями використовували наближені методи, наприклад, молекулярну динаміку або метод Монте-Карло, які моделюють рух атомів і вимагають величезних обчислювальних ресурсів.
Новий підхід дозволяє виконувати такі розрахунки безпосередньо. Алгоритм THOR AI використовує методи тензорних мереж - математичну техніку, що дозволяє представляти величезні багатовимірні дані у вигляді набору пов'язаних простіших елементів.
Система THOR AI розбиває складне завдання на послідовність компактніших обчислень і застосовує метод так званої тензорної інтерполяції. Крім того, алгоритм здатний автоматично виявляти симетрії у кристалічній структурі матеріалів, що додатково скорочує обсяг обчислень.
Завдяки цьому розрахунки, які раніше займали тисячі годинників, тепер можна виконувати за секунди без втрати точності.
Дослідники протестували нову систему на кількох матеріалах, включаючи мідь, кристалічний аргон при високому тиску та складні фазові переходи олова. У всіх випадках результати збіглися з даними більш трудомістких симуляцій, проте обчислення виконували більш ніж у 400 разів швидше.
Крім того, THOR AI можна інтегрувати із сучасними моделями машинного навчання, що описують взаємодію атомів. Це дозволяє аналізувати поведінку матеріалів у різних фізичних умовах.
На думку дослідників, нова технологія може прискорити розробку матеріалів та поглибити розуміння фундаментальних процесів у фізиці, хімії та матеріалознавстві.
Источник: charter97.org