Sekitar 100 tahun yang lalu, muncul sebuah masalah dalam bidang fisika partikel elementer yang baru berkembang, yang ternyata pada dasarnya mustahil untuk dipecahkan dalam waktu yang wajar. Masalah ini melibatkan penyelesaian integral konfigurasi, yang nilainya dapat mengungkapkan sifat termodinamika dan mekanik material pada tingkat atom. Jumlah partikel dan kondisi yang tak terhitung jumlahnya mempersulit perhitungan sedemikian rupa sehingga umur alam semesta pun tidak akan cukup untuk menyelesaikannya. Dan para ilmuwan diputuskan karena pemalsuan.
Ketidakmungkinan untuk menyelesaikan masalah secara langsung menyebabkan pengembangan fisika statistik dan sejumlah model untuk mensimulasikan perilaku atom dalam materi (Monte Carlo dan lainnya). Namun, bahkan model yang paling canggih pun memaksa superkomputer untuk menghabiskan waktu berbulan-bulan untuk menyelesaikan masalah yang tampaknya sederhana. Oleh karena itu, pendekatan tradisional sering mengorbankan akurasi demi kecepatan perhitungan, terutama ketika mensimulasikan material nyata dalam kondisi ekstrem.
Para peneliti dari Universitas New Mexico dan Laboratorium Nasional Los Alamos telah meluncurkan kerangka kerja AI baru, THOR (Tensors for High-dimensional Object Representation), yang secara radikal mengubah lanskap perhitungan interaksi atom dalam materi. THOR menggabungkan jaringan tensor modern dengan pembelajaran mesin dan pendekatan yang disebut interpolasi silang tensor train.
Algoritma ini memecah masalah multidimensi menjadi serangkaian masalah yang lebih sederhana dan secara otomatis memperhitungkan simetri kristal dari material, sehingga secara signifikan mengurangi jumlah komputasi sambil mempertahankan akurasi yang mendekati metode pemodelan statistik klasik. Dalam beberapa kasus, peningkatan kecepatan komputasi lebih dari 400 kali lipat.
Metode ini berhasil diuji pada sejumlah zat di dunia nyata: tembaga, argon kristal bertekanan tinggi, transisi fasa dalam timah, dan material lainnya. Dalam semua kasus, THOR mereproduksi hasil simulasi benchmark berakurasi tinggi yang sebelumnya dilakukan di Laboratorium Nasional Los Alamos, tetapi dengan pengurangan waktu komputasi yang dramatis. Kerangka kerja ini menunjukkan fleksibilitasnya: dapat diterapkan baik pada sistem sederhana maupun struktur kristal kompleks, membuka jalan untuk perhitungan langsung perilaku termodinamika dan mekanik material.
Jika alat ini diadopsi, dan para pengembang memastikan bahwa THOR dapat diintegrasikan ke dalam program modern untuk memodelkan struktur atom material, hal ini dapat memiliki implikasi yang sangat besar bagi ilmu material, fisika zat padat, dan kimia. Ini akan memungkinkan prediksi sifat-sifat material baru secara cepat dan akurat, mempercepat pengembangan paduan, superkonduktor, material untuk kondisi ekstrem, dan energi. Kode THOR tersedia di GitHub. Silakan gunakan.
Sumber:
Sumber: 3dnews.ru
