هوش مصنوعی راز طولانیمدت علم فیزیک را گشود
به نقل از ایتنا و سایتکدیلی، این سیستم، که از الگوریتمهای شبکههای تانسور استفاده میکند، قادر است معادلات پیچیدهای مانند انتگرالهای پیکربندی و معادلات دیفرانسیل جزئی را با تجزیه و تحلیل و فشردهسازی دادهها بهطور موثر حل کند. این نوع معادلات برای درک رفتار مواد در شرایط متفاوتی از گرما و مکانیک نقش بسیار مهمی دارند.
به نقل از متخصصان، چارچوب تور با ترکیب شبکههای تانسور و پتانسیلهای یادگیری ماشینی، که نیروهای بیناتمی و حرکت اتمها را مدلسازی میکنند، توانسته است شبیهسازیهای دقیقی از مواد در دامنه وسیعی از شرایط فیزیکی فراهم کند.
بویان الکساندروف، پژوهشگر ارشد هوش مصنوعی در لس آلاموس و هدایتکننده این پروژه، تصریح کرد: «انتگرال پیکربندی، که به توصیف برهمکنشهای ذرات میپردازد، بویژه در زمینههای علوم مواد تحت فشارهای شدید یا گذارهای فازی، به مراتب دشوار و زمانبر است.»
او همچنین افزود: «تعیین دقیق رفتار گرمایی مواد، به عمق درک ما از مکانیک آماری افزوده و به رشتههایی نظیر متالورژی خدمت میکند.»
روشهای سنتی، مانند شبیهسازیهای دینامیک مولکولی و مونتکارلو، معمولاً برای تخمین انتگرال پیکربندی استفاده میشدند، اما این روشها با چالش «نفرین ابعادی» (افزایش نمایی پیچیدگی محاسبات با اضافه شدن هر متغیر) با محدودیتهای جدی مواجه بودند.
حتی برترین ابررایانههای موجود نیز برای این محاسبات به هفتهها زمان نیاز داشتند و نتایج آنها محدودیتهایی داشت.
چارچوب تور با بهرهگیری از تکنیک ریاضی «تفکیک متقاطع قطار تانسور»، این چالش چندبعدی را به یک مسئله قابلحل تبدیل میکند.
این روش دادههای چندبعدی را به زنجیرهای از اجزای کوچکتر و متصل تقسیم کرده و با شناسایی تقارنهای بلوری حیاتی، محاسبه انتگرال پیکربندی را در عرض چند ثانیه میسر میسازد.
