ИИ за секунды разгадал вековую загадку физики

Учёные из Университета Нью-Мексико и Лос-Аламосской национальной лаборатории представили революционный вычислительный метод, способный справиться с одной из самых неприступных задач статистической физики — расчётом конфигурационных интегралов. Система, получившая название THOR AI (Tensors for High-dimensional Object Representation), уже продемонстрировала впечатляющие результаты. Работа опубликована в журнале Physical Review Materials (PRM).

Конфигурационные интегралы играют ключевую роль в описании взаимодействия частиц и позволяют предсказывать термодинамические и механические свойства материалов. Без них невозможно изучать фазовые переходы, поведение веществ при экстремальном давлении и проектировать новые материалы. Но до сих пор прямой расчёт этих интегралов оставался практически неосуществимой задачей.

"Конфигурационный интеграл, который описывает взаимодействия частиц, чрезвычайно трудно 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.

Корень проблемы — так называемое "проклятие размерности". С ростом числа переменных сложность вычислений увеличивается экспоненциально, ставя в тупик даже самые мощные суперкомпьютеры. На протяжении десятилетий учёные были вынуждены прибегать к приближённым методам — молекулярной динамике или методу Монте-Карло, — которые моделируют движение атомов, но пожирают колоссальные вычислительные ресурсы.

Новый подход кардинально меняет правила игры, позволяя выполнять такие расчёты напрямую. Алгоритм THOR AI опирается на методы тензорных сетей — математическую технику, которая представляет громоздкие многомерные данные в виде набора связанных, но значительно более простых элементов.

Система THOR AI разбивает сложнейшую задачу на цепочку компактных вычислений с помощью метода тензорной интерполяции. Вдобавок алгоритм автоматически распознаёт симметрии в кристаллической структуре материалов, что дополнительно сокращает объём необходимых расчётов.

Результат впечатляет: вычисления, на которые раньше уходили тысячи часов, теперь выполняются за считаные секунды — и без потери точности.

Разработчики проверили систему на нескольких материалах — меди, кристаллическом аргоне при высоком давлении и сложных фазовых переходах олова. Во всех случаях THOR AI выдала результаты, совпавшие с данными традиционных трудоёмких симуляций, однако справилась с задачей более чем в 400 раз быстрее.

Немаловажно и то, что THOR AI легко интегрируется с современными моделями машинного обучения, описывающими взаимодействие атомов. Это открывает возможности для анализа поведения материалов в самых разнообразных физических условиях.

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