ИИ THOR решает 100-летнюю физическую задачу за секунды
Новый вычислительный фреймворк использует тензорные сети и машинное обучение для прямого расчета конфигурационных интегралов, ускоряя моделирование материалов в сотни раз
Short Summary
Исследователи из Университета Нью-Мексико и Лос-Аламосской национальной лаборатории представили ИИ-фреймворк THOR, который за секунды решает сложнейшую задачу статистической физики — расчёт конфигурационных интегралов, ранее требовавший недель работы суперкомпьютеров.
Традиционные методы, такие как молекулярная динамика и Монте-Карло, сталкиваются с «проклятием размерности» и дают лишь приближённые результаты. THOR использует математику тензорных сетей и алгоритм «тензорного поезда» для сжатия многомерных данных, а также учитывает кристаллические симметрии материалов, что резко снижает вычислительные затраты.
Тестирование на меди, аргоне и олове показало ускорение расчётов более чем в 400 раз при сохранении точности. Фреймворк интегрируется с моделями машинного обучения и может ускорить открытия в материаловедении, физике и химии, заменяя вековые методы приближений расчётами из первых принципов.
Прорыв в скорости вычислений
Фреймворк THOR выполняет расчёты конфигурационных интегралов за секунды, тогда как традиционные методы требуют недель работы суперкомпьютеров
Преодоление «проклятия размерности»
Использование тензорных сетей и алгоритма «тензорного поезда» позволяет эффективно работать с многомерными данными, которые ранее считались невычислимыми
Сохранение точности
В тестах на различных материалах система воспроизвела результаты продвинутых симуляций Лос-Аламоса с ускорением более чем в 400 раз без потери точности
Интеграция с современными методами
THOR совместим с потенциалами машинного обучения для моделирования атомных взаимодействий, что расширяет его применимость для анализа материалов в различных условиях
Text generated using AI
