Около столетия назад в физике элементарных частиц возникла задача, считавшаяся теоретически неразрешимой за разумный промежуток времени. Речь идет о расчете конфигурационных интегралов, которые позволяют определить термодинамические и механические свойства материалов на атомном уровне. Из-за огромного количества частиц и переменных классические вычисления требовали времени, превышающего возраст Вселенной, что вынуждало ученых идти на компромиссы и допущения.
Неспособность вычислить точные значения привела к развитию статистической физики и созданию приближенных моделей, таких как метод Монте-Карло. Однако даже современные суперкомпьютеры тратят месяцы на симуляцию простых взаимодействий. В результате при моделировании материалов в экстремальных условиях исследователям часто приходится жертвовать точностью ради экономии вычислительных ресурсов.
Команда ученых из Университета Нью-Мексико и Лос-Аламосской национальной лаборатории представила инновационный ИИ-фреймворк под названием THOR (Tensors for High-dimensional Object Representation). Эта технология радикально меняет правила игры, объединяя методы тензорных сетей с машинным обучением и тензорной кросс-интерполяцией.
Суть алгоритма заключается в декомпозиции многомерной задачи на последовательность упрощенных операций. Система автоматически учитывает симметрию кристаллических решеток материалов, что значительно снижает нагрузку на вычислительные мощности. При этом точность результатов остается на уровне высокоточных классических методов статистического моделирования, а скорость расчетов на тестовых сценариях возросла более чем в 400 раз.
Эффективность нового метода была доказана на практике при работе с различными веществами, включая медь, кристаллический аргон под высоким давлением и фазовые переходы в олове. Во всех случаях фреймворк THOR продемонстрировал результаты, идентичные эталонным симуляциям, затрачивая при этом лишь малую долю времени. Универсальность решения позволяет использовать его как для простых систем, так и для сложных структур, что открывает прямой путь к предсказанию поведения материалов.
Внедрение THOR в современные пакеты для моделирования атомарных структур может совершить революцию в материаловедении, химии и физике твердого тела. Инструмент позволит ускорить создание сверхпроводников, инновационных сплавов и материалов для энергетического сектора, работающих в экстремальных условиях. Исходный код фреймворка уже доступен на GitHub для широкого использования.
