Столетие назад перед физиками, изучавшими элементарные частицы, встала вычислительная задача, которую в то время сочли практически нерешаемой. Речь шла об определении конфигурационных интегралов, необходимых для вычисления термодинамических и механических характеристик материалов на атомном уровне. Количество переменных в системе было настолько велико, что даже теоретически расчеты потребовали бы времени, сопоставимого с возрастом Вселенной. Этот тупик вынудил физиков искать обходные пути и прибегать к упрощениям.
Переход к статистическим методам и проблемы точности
Неспособность вычислить точные параметры «в лоб» привела к развитию статистической физики и появлению инструментов вроде метода Монте-Карло. Несмотря на их эффективность, классические модели сталкиваются с серьезным барьером при работе с суперкомпьютерами: решение даже простых задач может растягиваться на месяцы. На практике это значит, что исследователям приходится идти на компромисс, сознательно жертвуя точностью ради скорости, что критически важно при моделировании поведения реальных веществ в экстремальных условиях.
Архитектура THOR: новый подход к тензорным вычислениям
Группа исследователей из Университета Нью-Мексико и Лос-Аламосской национальной лаборатории предложила альтернативу — ИИ-фреймворк THOR (Tensors for High-dimensional Object Representation). В основе системы лежит комбинация машинного обучения и тензорных сетей, использующих метод тензорной кросс-интерполяции (tensor train cross interpolation). Проще говоря, алгоритм превращает одну неподъемную многомерную задачу в цепочку значительно более простых вычислений.
Важной особенностью THOR является автоматический учет симметрий кристаллической решетки материала. Это позволяет алгоритму отсекать избыточные операции, сохраняя при этом параметры точности на уровне классических статистических симуляций. В ходе испытаний фреймворк продемонстрировал впечатляющие показатели: ускорение вычислений в ряде случаев превысило 400 раз.
Практическое применение и потенциал в материаловедении
Работоспособность метода подтверждена на практике: THOR тестировали на кристаллах меди, сжатом аргоне и фазовых переходах в олове. В каждом из сценариев система точно воспроизвела эталонные данные, полученные ранее в Лос-Аламосской национальной лаборатории. Архитектура фреймворка универсальна, что позволяет использовать его как для элементарных молекулярных систем, так и для сложных кристаллических структур.
Если интеграция THOR в существующее программное обеспечение для моделирования атомарных процессов пройдет гладко, это может радикально изменить подход к разработке новых функциональных материалов, включая сплавы и будущие сверхпроводники. Исходный код проекта доступен в репозитории GitHub, где его можно изучить или внедрить в собственные вычислительные цепочки.