Nguyễn Hoàng
Intern Writer
Bạn có biết có những bài toán vật lý từng được cho là… phải mất “tuổi thọ của vũ trụ” mới tính xong?
Các nhà nghiên cứu từ Đại học New Mexico và Phòng thí nghiệm quốc gia Los Alamos đã phát triển một khuôn khổ AI giải quyết một trong những thách thức tính toán phức tạp nhất của vật lý. Nguồn: Stock
Thứ mà THOR “xử” gọn là tích phân cấu hình – dạng bài toán mô tả tương tác giữa vô số hạt bên trong vật liệu. Đây là phần nền tảng để hiểu cách vật liệu thay đổi dưới áp suất, nhiệt độ hay khi chuyển pha. Trước đây, các nhà khoa học buộc phải dùng mô phỏng gián tiếp như Monte Carlo hoặc động lực học phân tử, chạy suốt nhiều tuần trên siêu máy tính, nhưng vẫn chỉ ra kết quả mang tính ước lượng.
Nhóm nghiên cứu đã áp dụng THOR AI để xác thực phương pháp mới bằng cách sử dụng mô phỏng động lực học phân tử của đồng, minh họa ở đây liên quan đến dạng tinh thể của nó trong quặng đồng. Nguồn: Đại học New Mexico
Một biến thể tùy chỉnh trong hệ thống còn tự động nhận ra các đối xứng tinh thể – yếu tố vốn cực kỳ quan trọng khi tính hành vi vật liệu ở cấp nguyên tử.
Các nhà nghiên cứu đã thử THOR trên nhiều hệ vật liệu:
Giáo sư Dimiter Petsev từ UNM nói thẳng: nếu tính tích phân cấu hình bằng cách cổ điển, thời gian xử lý có thể vượt quá tuổi của vũ trụ, kể cả với siêu máy tính mạnh nhất. Việc THOR làm được điều này gần như phá bỏ “lời nguyền đa chiều” – vấn đề khiến toán học và vật lý tính toán bế tắc lâu nay.
Boian Alexandrov, người dẫn dắt dự án tại Los Alamos, nhấn mạnh: hiểu được hành vi nhiệt động lực học chính xác sẽ giúp cải thiện các lĩnh vực như cơ học thống kê, thiết kế vật liệu và công nghệ kim loại.
Với tốc độ và độ chính xác này, câu hỏi bây giờ không còn là “liệu có làm được không” mà là “chúng ta sẽ ứng dụng nó vào đâu trước”.
Khi AI bước vào “vùng cấm” của vật lý tính toán
Một nhóm nghiên cứu ở Đại học New Mexico và Phòng thí nghiệm quốc gia Los Alamos vừa làm điều mà cộng đồng vật lý thống kê nghĩ là bất khả thi suốt hàng thập kỷ. Họ tạo ra một khung AI tên là THOR (Tensors for High-dimensional Object Representation) có thể xử lý những phép tính vật lý phức tạp nhất chỉ trong vài giây.
Các nhà nghiên cứu từ Đại học New Mexico và Phòng thí nghiệm quốc gia Los Alamos đã phát triển một khuôn khổ AI giải quyết một trong những thách thức tính toán phức tạp nhất của vật lý. Nguồn: Stock
Thứ mà THOR “xử” gọn là tích phân cấu hình – dạng bài toán mô tả tương tác giữa vô số hạt bên trong vật liệu. Đây là phần nền tảng để hiểu cách vật liệu thay đổi dưới áp suất, nhiệt độ hay khi chuyển pha. Trước đây, các nhà khoa học buộc phải dùng mô phỏng gián tiếp như Monte Carlo hoặc động lực học phân tử, chạy suốt nhiều tuần trên siêu máy tính, nhưng vẫn chỉ ra kết quả mang tính ước lượng.
Vì sao THOR khác biệt?
THOR dùng mạng tensor kết hợp với các mô hình học máy mô tả lực giữa nguyên tử. Điểm đột phá nằm ở cách nó “nén” khối dữ liệu đa chiều khổng lồ thành chuỗi các thành phần nhỏ hơn, rồi nội suy bằng kỹ thuật chéo chuỗi tensor. Nhờ vậy, những phép tính vốn có tới hàng nghìn chiều được rút gọn thành vài giây xử lý – mà không suy giảm độ chính xác.
Nhóm nghiên cứu đã áp dụng THOR AI để xác thực phương pháp mới bằng cách sử dụng mô phỏng động lực học phân tử của đồng, minh họa ở đây liên quan đến dạng tinh thể của nó trong quặng đồng. Nguồn: Đại học New Mexico
Một biến thể tùy chỉnh trong hệ thống còn tự động nhận ra các đối xứng tinh thể – yếu tố vốn cực kỳ quan trọng khi tính hành vi vật liệu ở cấp nguyên tử.
Từ bất khả thi thành công cụ thực dụng
Các nhà nghiên cứu đã thử THOR trên nhiều hệ vật liệu:
- Đồng ở cấu trúc tinh thể
- Argon ở áp suất cao
- Thiếc khi chuyển từ pha rắn này sang pha khác
Giáo sư Dimiter Petsev từ UNM nói thẳng: nếu tính tích phân cấu hình bằng cách cổ điển, thời gian xử lý có thể vượt quá tuổi của vũ trụ, kể cả với siêu máy tính mạnh nhất. Việc THOR làm được điều này gần như phá bỏ “lời nguyền đa chiều” – vấn đề khiến toán học và vật lý tính toán bế tắc lâu nay.
Không chỉ là tăng tốc
THOR không phải bản vá kỹ thuật, mà là một cách tiếp cận hoàn toàn mới để hiểu hành vi vật liệu. Nó hoạt động liền mạch với các mô hình nguyên tử học máy hiện đại, đồng thời mở ra khả năng mô phỏng các hệ chịu điều kiện khắc nghiệt – từ luyện kim đến vật liệu năng lượng.Boian Alexandrov, người dẫn dắt dự án tại Los Alamos, nhấn mạnh: hiểu được hành vi nhiệt động lực học chính xác sẽ giúp cải thiện các lĩnh vực như cơ học thống kê, thiết kế vật liệu và công nghệ kim loại.
Với tốc độ và độ chính xác này, câu hỏi bây giờ không còn là “liệu có làm được không” mà là “chúng ta sẽ ứng dụng nó vào đâu trước”.