Ученые из Университета Нью-Мексико и Лос-Аламосской национальной лаборатории представили новый подход к расчету свойств материалов на атомном уровне, который позволяет получать точные результаты значительно быстрее существующих методов, пишет El.kz со ссылкой на GitHub.

Разработка под названием THOR решает задачу конфигурационных интегралов, которая остается одной из ключевых проблем физики уже около ста лет. Эти расчеты необходимы для понимания термодинамических и механических характеристик материалов, однако требуют учета взаимодействия огромного числа частиц в различных состояниях. Прямое моделирование таких процессов для реальных систем практически невозможно из-за колоссальных затрат времени.

Ранее ученые использовали приближенные методы, включая статистические подходы, такие как моделирование Монте-Карло. Несмотря на эффективность, даже современные суперкомпьютеры выполняли такие вычисления неделями или месяцами, а для ускорения приходилось снижать точность.

THOR предлагает иной подход. Алгоритм разбивает сложную многомерную задачу на последовательность более простых вычислений и использует тензорные сети совместно с методами машинного обучения. Дополнительно система автоматически выявляет симметрию кристаллической структуры, что позволяет существенно сократить объем расчетов без потери точности.

Метод был протестирован на различных материалах, включая медь, кристаллический аргон при высоком давлении и олово в условиях фазовых переходов. Во всех случаях результаты совпали с эталонными моделями, ранее полученными в Лос-Аламосской лаборатории, но были достигнуты в сотни раз быстрее.

По словам разработчиков, новый инструмент можно интегрировать в существующие системы моделирования. Это открывает возможности для ускоренного изучения свойств веществ и разработки новых материалов, включая сплавы, сверхпроводники и решения для работы в экстремальных условиях.

Также El.kz писал о том, что OpenAI признали прорыв ИИ, но пока не доверяют ему полностью.