هوش مصنوعی معمای صدساله فیزیک را حل کرد

پژوهشگران دانشگاه نیومکزیکو و آزمایشگاه ملی لس آلاموس با ابداع چارچوبی محاسباتی پیشرفته به نام شبکه های تانسور برای بازنمایی اشیای چندبعدی یا تور ، گامی بزرگ در حل یکی از چالش های دیرینه فیزیک آماری برداشتند. به گزارش ایتنا و به نقل از سای تک دیلی، این سیستم، که از الگوریتم های شبکه های تانسور بهره می برد، معادلات پیچیده انتگرال های پیکربندی و معادلات دیفرانسیل جزئی را با فشرده سازی و تحلیل کارآمد داده ها حل می کند. این معادلات برای درک رفتار مواد تحت شرایط مختلف گرمایی و مکانیکی حیاتی اند. گفته می شود چارچوب تور با ترکیب شبکه های تانسور و پتانسیل های یادگیری ماشینی، که نیروهای بین اتمی و حرکت اتم ها را مدل سازی می کنند، شبیه سازی های دقیقی از مواد در گسترهٔ وسیعی از شرایط فیزیکی فراهم آورده است. بویان الکساندروف، پژوهشگر ارشد هوش مصنوعی در لس آلاموس و رهبر این پروژه، اظهار داشت: انتگرال پیکربندی، که برهم کنش های ذرات را توصیف می کند، به ویژه در کاربردهای علوم مواد تحت فشارهای شدید یا گذارهای فازی، به شدت دشوار و زمان بر است. او افزود: تعیین دقیق رفتار گرمایی مواد، درک ما از مکانیک آماری را عمیق تر کرده و به حوزه هایی مانند متالورژی کمک می کند. بر این اساس، روش های سنتی مانند شبیه سازی های دینامیک مولکولی و مونت کارلو برای تخمین انتگرال پیکربندی به کار می رفتند، اما این روش ها به دلیل نفرین ابعادی (یعنی افزایش نمایی پیچیدگی محاسباتی با افزودن هر متغیر) با محدودیت های جدی مواجه بودند. حتی سریع ترین ابررایانه های جهان نیز برای این محاسبات هفته ها زمان نیاز داشتند و نتایجشان محدود بود. گفتنی است چهارچوب تور این چالش چندبعدی را با استفاده از تکنیک ریاضی تفکیک متقاطع قطار تانسور به مسئله ای قابل حل تبدیل می کند. این روش داده های چندبعدی را به زنجیره ای از اجزای کوچک تر و متصل تقسیم کرده و با شناسایی تقارن های بلوری مهم، امکان محاسبهٔ انتگرال پیکربندی را در چند ثانیه فراهم می آورد.

مطلب در سایت اصلی

آخرین اخبار