PRM: создана система искусственного интеллекта, ускоряющая расчеты в физике материалов в сотни раз

Исследователи из Университета Нью-Мексико и Национальной лаборатории Лос-Аламоса разработали новый вычислительный метод, который может решить одну из самых сложных задач статистической физики — вычисление так называемых конфигурационных интегралов. Система называется THOR AI (Тензоры для многомерного представления объектов). Работа была опубликована в журнале Physical Review Materials (PRM).

"Конфигурационный интеграл, описывающий взаимодействия частиц, чрезвычайно сложно вычислить, особенно в задачах материаловедения, связанных с высокими давлениями или фазовыми переходами", - пояснил руководитель проекта, специалист по искусственному интеллекту из Лос-Аламосской лаборатории Боян Александров.

Основная проблема — так называемое «проклятие размерности». По мере увеличения количества переменных сложность вычислений возрастает экспоненциально. Даже современные суперкомпьютеры с трудом справляются с такими задачами. Вот почему ученые на протяжении десятилетий используют приближенные методы, такие как молекулярная динамика или метод Монте-Карло, которые моделируют движение атомов и требуют огромных вычислительных ресурсов.

Новый подход позволяет выполнять такие расчеты напрямую. Алгоритм THOR AI использует методы тензорной сети — математический метод, позволяющий представлять огромные многомерные данные как набор связанных более простых элементов.

Система THOR AI разбивает сложную задачу на последовательность более компактных вычислений и использует метод, называемый тензорной интерполяцией. Кроме того, алгоритм способен автоматически обнаруживать симметрии в кристаллической структуре материалов, что еще больше сокращает объем вычислений.

Благодаря этому расчеты, которые раньше занимали тысячи часов, теперь можно выполнить за считанные секунды без потери точности.

Исследователи протестировали новую систему на нескольких материалах, включая медь, кристаллический аргон при высоком давлении и сложные фазовые переходы олова. Во всех случаях результаты соответствовали результатам более трудоемкого моделирования, но расчеты выполнялись более чем в 400 раз быстрее.

Кроме того, THOR AI можно интегрировать с современными моделями машинного обучения, описывающими взаимодействие атомов. Это дает возможность анализировать поведение материалов в самых разных физических условиях.

По мнению исследователей, новая технология может ускорить разработку материалов и углубить понимание фундаментальных процессов в физике, химии и материаловедении.