Новая технология гораздо эффективнее классических алгоритмов и может помочь оптимизировать процессы производства
В Центре научной коммуникации Московского физико-технического института сообщили, что новая технология на основе машинно-обученных потенциалов поможет использовать ИИ для создания высокоточных моделей материалов и производственных процессов, включая сварку и термическую обработку.
Машинно-обученные потенциалы — это специализированные системы ИИ, обученные на ограниченных объёмах результатов полных квантово-химических расчетов. Они могут тратить на анализ информации в три раза меньше времени, чем традиционные алгоритмы.
Для оптимизации производительности этих систем ИИ следует разрабатывать эффективную реализацию для GPU, а также добавить рассмотрение дальнодействующих взаимодействий и усовершенствовать методологии создания баз данных для моделирования. Кроме того, интеграция экспериментальных данных обещает дальнейшее повышение точности и применимости машинно-обученных межатомных потенциалов.
— Дмитрий Корогод, один из авторов дорожной карты из МФТИ (Долгопрудный), чьи слова приводит Центр научной коммуникации вуза
Сейчас учёные разных стран задаются вопросом о том, как можно использовать эти алгоритмы, и выявили плюсы и минусы такого применения уже существующих машинно-обученных потенциалов.
Исследователи из России презентовали системы расчетов на базе потенциалов моментов инерции (MTP). По точности МТР наравне с мировыми аналогами, по производительности даже превосходят. А основное отличие в том, что российские системы расчётов можно обучать на фрагментах сложных систем.
Пока эти технологии невозможно применять на видеокартах (GPU). Но ученые на пути открытия этой возможности, ведь GPU обладают более высокой вычислительной мощностью, чем CPU (центральные процессоры), где пока что применяют метод потенциалов моментов инерции.
Материалы по теме:
Ученые из Челябинска создадут первый в России квантовый инфракрасный микроскоп
ИИ начнет искать людей: в Москве создали нейросеть для поиска заблудившихся в лесу