ИИ за секунды решил задачу столетней давности: Расчёты в физике материалов ускорились в сотни раз

Международная команда из Университета Нью-Мексико и Лос-Аламосской национальной лаборатории создала ИИ-систему, которая радикально ускоряет один из самых сложных расчётов в статистической физике — конфигурационные интегралы. Эти интегралы описывают, как частицы взаимодействуют друг с другом, и нужны для предсказания свойств материалов: от фазовых переходов до поведения веществ при экстремальном давлении. Работа опубликована в журнале Physical Review Materials.

Проблема, которую не могли решить десятилетиями

Конфигурационные интегралы — это математическое описание всех возможных расположений частиц в системе. Они лежат в основе почти всей термодинамики и физики конденсированного состояния. Но вычислить их напрямую почти невозможно: с ростом числа частиц сложность растёт экспоненциально — это знаменитое «проклятие размерности».

Поэтому учёные десятилетиями использовали приближённые методы: молекулярную динамику, метод Монте-Карло, вариационные подходы. Все они требуют огромных вычислительных ресурсов и часто дают лишь приближённые результаты.

«Конфигурационный интеграл, который описывает взаимодействия частиц, чрезвычайно трудно вычислить, особенно в задачах материаловедения, связанных с высокими давлениями или фазовыми переходами», — объяснил руководитель проекта Боян Александров из Лос-Аламосской лаборатории.

Как работает THOR AI

Новая система получила название THOR AI (Tensors for High-dimensional Object Representation). Она использует тензорные сети — мощный математический инструмент, который позволяет представлять огромные многомерные массивы данных в виде компактных связанных блоков.

THOR разбивает сложный интеграл на последовательность гораздо более простых задач, автоматически находит симметрии кристаллической решётки и применяет тензорную интерполяцию. В итоге расчёты, которые раньше занимали тысячи часов на суперкомпьютерах, теперь выполняются за секунды — и без потери точности.

Команда протестировала алгоритм на нескольких классических задачах:

• медь при нормальных и высоких давлениях;
• кристаллический аргон в экстремальных условиях;
• фазовые переходы олова.

Во всех случаях результаты совпали с данными традиционных методов, но время вычислений сократилось более чем в 400 раз.

Что это меняет

THOR AI можно интегрировать с современными моделями машинного обучения (типа нейронных потенциалов), которые описывают взаимодействие атомов. Это открывает путь к быстрому моделированию поведения материалов в любых условиях — от сверхвысоких давлений в недрах планет до экстремальных температур в ядерных реакторах.

Разработка может радикально ускорить создание новых материалов: сверхпроводников, сплавов для авиации и космоса, аккумуляторов нового поколения, веществ для термоядерной энергетики.

«Мы впервые можем напрямую и быстро вычислять то, что раньше считалось практически невозможным», — отмечают авторы.

Вкратце

Учёные из Университета Нью-Мексико и Лос-Аламоса создали ИИ-систему THOR AI, которая решает конфигурационные интегралы — ключевые расчёты в физике материалов — в сотни раз быстрее традиционных методов. Система использует тензорные сети, автоматически находит симметрии и выполняет задачи за секунды вместо тысяч часов. Точность сохраняется полностью. Это прорыв в материаловедении и может ускорить разработку новых веществ. Работа опубликована в Physical Review Materials.