В Центре научной коммуникации Московского физико-технического института сообщили о разработке новой технологии, основанной на машинно-обученных потенциалах, которая позволит использовать искусственный интеллект для создания высокоточных моделей материалов и производственных процессов, включая сварку и термическую обработку.
Машинно-обученные потенциалы представляют собой специализированные системы ИИ, обученные на ограниченных объемах данных, полученных в ходе полномасштабных квантово-химических расчетов. Эти системы могут анализировать информацию в три раза быстрее традиционных алгоритмов, что значительно увеличивает производительность научных исследований.
Для дальнейшей оптимизации производительности таких систем требуется разработка эффективных реализаций для графических процессоров (GPU), а также внедрение методов учета дальнодействующих взаимодействий в молекулах и усовершенствование методик создания баз данных для моделирования. Интеграция экспериментальных данных может дополнительно повысить точность и применимость машинно-обученных межатомных потенциалов, как отметил Дмитрий Корогод, один из авторов дорожной карты из МФТИ.
В настоящее время учёные со всего мира интересуются возможностями применения этих алгоритмов, а российские исследователи уже продемонстрировали системы расчетов на базе потенциалов моментов инерции (MTP). Эти системы обладают высокой точностью, сопоставимой с мировыми аналогами, и демонстрируют большую производительность. Главное преимущество новых методов заключается в возможности обучения на фрагментах сложных молекул.
Хотя на данный момент использование этих технологий на видеокартах (GPU) остается невозможным, учёные активно работают над открытием этой возможности, учитывая высокую вычислительную мощность GPU по сравнению с центральными процессорами (CPU), на которых в настоящее время применяются методы потенциалов моментов инерции.
]]>
