新墨西哥大学(University of New Mexico)和洛斯阿拉莫斯国家实验室(Los Alamos National Laboratory)的研究人员开发出一种名为“THOR”(Tensors for High-dimensional Object Representation)的人工智能框架,能在几秒钟内计算出过去被认为无法直接求解的物理方程式,这个突破重新定义了科学家研究材料行为的方式,并为材料科学的未来打开了新的大门。

THOR框架采用了“张量网络算法”和数学技术“张量训练交叉插值”,将高维数据立方体表示为一系列较小且连接的组件,突破了配置积分计算中的“维数灾难”(curse of dimensionality)问题,使得之前需用数周计算的高维积分能在几秒内完成,且不损失精准度。这项技术取代了百余年来基于近似方法如分子动力学和蒙地卡罗方法的传统做法,实现了从第一原理的直接计算。

洛斯阿拉莫斯高级人工智能科学家Boian Alexandrov表示:“配置积分准确捕捉粒子间的相互作用,尤其在极端压力和相变条件下难度极大。”新技术成功应用于高压状态下的金属铜、高压下的惰性气体(如结晶态氩气),以及锡的固态相变计算,运算速度比洛斯阿拉莫斯当前最佳模拟快400多倍。

负责该研究的科学家Duc Truong指出:“THOR AI不仅加速了材料科学的发现过程,也深化了我们对材料微观行为的理解。”该项目已在GitHub开源,供全球研究人员探索与应用。该研究成果发表在《Physical Review Materials》期刊,并得到洛斯阿拉莫斯国家实验室指导研究与发展计划的资助。

此外,THOR框架可与现代的机器学习原子模型无缝集成,展现出在物理学、化学及材料科学研究中的多功能应用潜力,预计将推动这些领域的计算方法和理论研究进入新阶段。

(首图来源:shutterstock)