ABD Laboratuvarı, Çok Boyutlu Hesaplama Zorluğunu Aşarak 100 Yıllık Fizik Bulmacasını Çözdü

Los Alamos Ulusal Laboratuvarı ve New Mexico Üniversitesi’nden bilim insanları, fizik alanındaki en zorlu hesaplamalardan birini çözmek için yeni bir yapay zeka çerçevesi geliştirdiklerini duyurdu.

Tensors for High-dimensional Object Representation (THOR) adı verilen sistem, malzemelerin içindeki parçacıkların nasıl etkileştiğini tanımlayan temel denklem olan yapılandırma integralini hesaplamak için tensor-ağ yöntemlerini kullanıyor.

THOR AI, denklemin hesaplanmasını benzeri görülmemiş bir hızda gerçekleştirerek süper bilgisayarların haftalarca süren hesaplama süresini ortadan kaldırıyor. Böylece metallerin ve kristallerin aşırı koşullar altında nasıl davrandığı daha kesin ve hızlı biçimde tahmin edilebiliyor.

THOR AI Nasıl Yardımcı Oluyor?

Yapılandırma integrali, fizikçilerin çözmekte zorlandığı en kritik denklemlerden biri ancak materyallerin dayanıklılığını, kararlılığını ve aşırı koşullar altında nasıl değiştiğini tahmin etmek için hayati önem taşıyor.

THOR AI, tensor-ağ matematiği kullanarak süper bilgisayarların haftalar sürecek hesaplamalarını saniyelere indiriyor. Daha önce imkansız kabul edilen bir işlem, artık verimli ve doğru bir şekilde yapılabiliyor.

Los Alamos kıdemli yapay zeka bilimcisi ve projenin lideri Boian Alexandrov, şunları söyledi: “Parçacık etkileşimlerini yakalayan yapılandırma integrali, özellikle malzeme bilimi uygulamalarında aşırı basınçlar veya faz geçişleri söz konusu olduğunda, hesaplanması son derece zor ve zaman alıcıdır.”

Alexandrov sözlerine devam ederek “Termodinamik davranışı doğru şekilde belirlemek, istatistiksel mekanik konusundaki bilimsel anlayışımızı derinleştirir ve metalürji gibi kilit alanlara ışık tutar.” ifadelerini kullandı.

Neden Önemli?

Haftalar süren süper bilgisayar simülasyonlarını saatler içinde çözülebilir hale getiren yöntem, bilim insanlarına metalürji, faz geçişleri ve yüksek basınç altında malzemeleri anlamak için güçlü bir araç sunuyor. Söz konusu alanlar havacılık mühendisliğinden temiz enerjiye kadar birçok sektörde kritik öneme sahip.

Araştırmacılar karmaşıklığı açıklamak için Lego örneğini veriyor: Milyarlarca Lego parçasının nasıl birleştirilebileceğini hesaplamak gibi, yapılandırma integralini çözmek de inanılmaz derecede zor. Öyle ki süper bilgisayarlar bile bu hesaplamayı tamamlayamıyor.

THOR AI, boyutsallık lanetini devasa veri küplerini daha küçük, birbirine bağlı parçalara ayırarak aşıyor. Yani Lego parçalarını düzenli zincirlere ayırmak gibi çalışıyor. Özel bir enterpolasyon algoritmasıyla birleştirildiğinde, tensor-train tekniği çözümü hem çok daha hızlı hem de aynı derecede doğru hale getiriyor. Ayrıca moleküler dinamik simülasyonlarından 400 kat daha hızlı sonuç üretiyor.

Gerçek Dünya Testleri

Bilim insanları THOR AI’yi bakır, argon ve kalay gibi zorlu örnekler üzerinde test etti.

• Bakır, yüksek yoğunluklarda iç enerji ve basıncı doğru şekilde yeniden üretti.
  
  
• Argon, gigapascal seviyesindeki basınçlarda makine öğrenimi tabanlı moleküler dinamik sonuçlarıyla birebir eşleşti.
  
  
• Kalay ise katı-katı faz geçişini olağanüstü doğrulukla yakaladı ve tam bir faz diyagramını yalnızca 5,8 çekirdek saatinde üretti. Geleneksel yöntemlerde bu işlem 2.560 çekirdek saati buluyordu.
  
  

Geleceğe Bakış

Çalışmanın etkileri yalnızca teoride kalmayabilir; teorinin çok ötesine uzanabilir. Daha hızlı ve daha doğru modelleme, yeni alaşımların keşfini hızlandırabilir, temiz enerji teknolojilerini geliştirebilir ve havacılık ile elektronik malzemelerini güçlendirebilir.

‍

‍

‍

‍

Kaynak: https://interestingengineering.com/science/los-alamos-solves-100-year-physics-puzzle