Նյու Մեքսիկոյի համալսարանի և Լոս Ալամոսի ազգային լաբորատորիայի միջազգային թիմը ստեղծել է ԱԲ համակարգ, որը արմատապես արագացնում է վիճակագրական ֆիզիկայի ամենաբարդ հաշվարկներից մեկը՝ կոնֆիգուրացիոն ինտեգրալները: Այս ինտեգրալները նկարագրում են, թե ինչպես են մասնիկները փոխազդում միմյանց հետ, և անհրաժեշտ են նյութերի հատկությունները կանխատեսելու համար՝ ֆազային անցումներից մինչև նյութերի վարքագիծը էքստրեմալ ճնշման տակ:

Կոնֆիգուրացիոն ինտեգրալները համակարգում մասնիկների բոլոր հնարավոր դասավորությունների մաթեմատիկական նկարագրությունն են: Դրանք ընկած են գրեթե ողջ թերմոդինամիկայի հիմքում: Սակայն դրանք ուղղակիորեն հաշվարկելը գրեթե անհնար է. մասնիկների թվի աճին զուգընթաց բարդությունն աճում է էքսպոնենցիալ կերպով՝ սա հայտնի «չափողականության անեծքն» է:

Տասնամյակներ շարունակ գիտնականներն օգտագործել են մոտավոր մեթոդներ (Մոնտե Կառլո, մոլեկուլային դինամիկա), որոնք պահանջում են հսկայական հաշվողական ռեսուրսներ և հաճախ տալիս են միայն մոտավոր արդյունքներ:

Նոր համակարգը ստացել է THOR AI (Tensors for High-dimensional Object Representation) անվանումը: Այն օգտագործում է տենզորային ցանցեր՝ հզոր մաթեմատիկական գործիք, որը թույլ է տալիս հսկայական բազմաչափ տվյալների զանգվածները ներկայացնել սեղմված կապակցված բլոկների տեսքով:

THOR-ը բարդ ինտեգրալը բաժանում է ավելի պարզ խնդիրների հաջորդականության, ինքնաշխատ կերպով գտնում է բյուրեղային ցանցի սիմետրիաները և կիրառում տենզորային ինտերպոլյացիա: Արդյունքում՝ հաշվարկները, որոնք նախկինում գերհամակարգիչների վրա տևում էին հազարավոր ժամեր, այժմ կատարվում են վայրկյանների ընթացքում՝ առանց ճշգրտության կորստի:

THOR AI-ի կիրառումը ճանապարհ է հարթում նոր նյութերի արագ ստեղծման համար՝ գերհաղորդիչներ, ավիացիայի և տիեզերքի համար նախատեսված համաձուլվածքներ, նոր սերնդի մարտկոցներ և ջերմամիջուկային էներգետիկայի համար անհրաժեշտ նյութեր:

Աղբյուրը՝ Science Daily

Պատկերը՝ Shutterstock