هوش مصنوعی راز یک قرن فیزیک را گشود
بر اساس گزارش ایتنا و به نقل از سایتکدیلی، این سیستم از تکنیکهای شبکههای تانسور به منظور حل معادلات پیچیدهای چون انتگرالهای پیکربندی و معادلات دیفرانسیل جزئی استفاده میکند و از طریق فشردهسازی و تجزیه و تحلیل کارآمد دادهها، این معادلات را به الگوریتمهای قابل اجرا تبدیل میکند. این معادلات برای فهم رفتار مواد در شرایط مختلف حرارتی و مکانیکی از اهمیت بالایی برخوردارند.
گفته میشود چارچوب تور از طریق ادغام شبکههای تانسور و پتانسیلهای یادگیری ماشین، که به تحلیل نیروهای بیناتمی و حرکات اتمها میپردازند، قادر به ارائه شبیهسازیهای دقیقی از مواد در دامنهای وسیع از شرایط فیزیکی میباشد.
بویان الکساندروف، پژوهشگر ارشد در زمینه هوش مصنوعی در لس آلاموس و سرپرست این پروژه، تصریح کرد: «انتگرال پیکربندی، که تعاملات ذرات را توصیف میکند، به ویژه در زمینههای مربوط به علوم مواد در شرایط فشاری بالا یا زمانهای گذار فازی، به شدت پیچیده و وقتگیر است.»
وی همچنین ادامه داد: «تعیین دقیق رفتار گرمایی مواد باعث عمیقتر شدن درک ما از مکانیک آماری شده و به رشتههایی چون متالورژی کمک شایانی میکند.»
بنابراین، روشهای مرسوم مانند شبیهسازیهای دینامیک مولکولی و مونتکارلو برای تخمین انتگرالهای پیکربندی به کار گرفته میشدند، اما این تکنیکها به دلیل پدیده «نفرین ابعادی» (که به معنای افزایش نمایی پیچیدگی محاسباتی با افزودن هر متغیر است) با چالشهای قابل توجهی روبهرو بودند.
حتی سریعترین ابررایانههای موجود نیز برای انجام این محاسبات به هفتهها زمان نیاز داشتند و نتایج حاصل از آنها غالباً محدود بود.
لازم به ذکر است که چارچوب تور این مشکل پیچیده چندبعدی را با استفاده از تکنیک ریاضی «تفکیک متقاطع قطار تانسور» به یک مسئله قابل حل تبدیل میکند.
این روش دادههای چندبعدی را به زنجیرهای شامل اجزای کوچکتر و متصل تقسیم کرده و با شناسایی تقارنهای بلوری کلیدی، امکان محاسبه انتگرال پیکربندی را در طی چند ثانیه مهیا میسازد.
