Để dự đoán chính xác hành vi và tính chất của các loại vật liệu, các nhà khoa học phải tính toán được cách mà các nguyên tử bên trong chúng di chuyển và tương tác với nhau. Đại lượng toán học dùng để mô tả sự tương tác hạt này được gọi là "tích phân cấu hình" (configurational integral).
Tuy nhiên, bài toán này gặp phải một trở ngại lớn mà giới khoa học gọi là "lời nguyền số các chiều". Khi số lượng biến số tăng lên, độ phức tạp của bài toán cũng tăng theo cấp số nhân, khiến ngay cả những siêu máy tính tiên tiến nhất cũng gặp khó khăn trong tính toán.
AI đang dần chứng minh chỗ đứng của mình trong ngành Toán học - Ảnh: Getty.
Giáo sư Dimiter Petsev từ Đại học New Mexico giải thích rằng, trước đây việc giải trực tiếp tích phân cấu hình được coi là điều bất khả thi vì nó liên quan đến hàng nghìn chiều dữ liệu. Nếu dùng các phương pháp tính toán máy tính thông thường, thời gian cần thiết để giải xong bài toán này sẽ còn dài hơn cả tuổi của vũ trụ.
Vì vậy, trong suốt nhiều thập kỷ, các nhà khoa học đành phải dùng các phương pháp mô phỏng gián tiếp (như động lực học phân tử hay mô phỏng Monte Carlo), thường phải chạy máy tính ròng rã nhiều tuần lễ nhưng cũng chỉ thu được kết quả mang tính chất xấp xỉ.
Lời giải của THOR AI
Để giải quyết bài toán hóc búa, các nhà nghiên cứu từ Đại học New Mexico và Phòng thí nghiệm Quốc gia Los Alamos đã phát triển một khuôn khổ tính toán mới mang tên THOR (Tensors for High-dimensional Object Representation). Theo Tiến sĩ Boian Alexandrov - nhà khoa học AI cấp cao tại Los Alamos và là người dẫn dắt dự án, việc xác định chính xác hành vi nhiệt động lực học này sẽ giúp chúng ta hiểu sâu hơn về cơ học thống kê và ứng dụng trực tiếp vào các lĩnh vực quan trọng như luyện kim.
Vậy THOR AI hoạt động như thế nào? Hiểu một cách đơn giản, hệ thống này biến bài toán khổng lồ thành một dạng có thể giải quyết dễ dàng bằng cách "nén" dữ liệu. Cụ thể, nó chia nhỏ khối dữ liệu khổng lồ thành một chuỗi các phần nhỏ liên kết với nhau thông qua một chiến lược toán học đặc biệt.
Cách giải của THOR AI tiết kiệm được nhiều thời gian - Ảnh: AI.
Tuyệt vời hơn, hệ thống này cực kỳ thông minh khi có khả năng tự động nhận diện các "tính đối xứng" trong cấu trúc tinh thể của vật liệu. Nhờ tìm ra các quy luật trùng lặp này, lượng phép tính cần thực hiện được cắt giảm đi một cách đáng kinh ngạc.
Từ hàng nghìn giờ xuống còn ... vài giây
Nhóm nghiên cứu đã đưa THOR AI vào thử nghiệm thực tế trên nhiều hệ vật liệu khác nhau, chẳng hạn như đồng, khí hiếm argon (ở trạng thái tinh thể dưới áp suất cực lớn), và quá trình chuyển đổi trạng thái rắn phức tạp của thiếc.
Kết quả vô cùng ấn tượng: THOR AI đưa ra kết quả chính xác tương đương với các phương pháp mô phỏng tiên tiến nhất trước đây của Los Alamos, nhưng với tốc độ nhanh hơn tới 400 lần. Những phép tính từng ngốn hàng nghìn giờ đồng hồ giờ đây được hoàn thành chỉ trong vỏn vẹn vài giây mà không hề làm giảm đi độ chính xác.
Nhà khoa học Duc Truong, tác giả chính của nghiên cứu tại Los Alamos, khẳng định bước đột phá này đã thay thế các phương pháp mô phỏng và ước lượng có tuổi đời hàng thế kỷ bằng một phép tính dựa trên các nguyên lý cơ bản. Ông cũng nhấn mạnh rằng THOR AI sẽ mở ra cánh cửa cho những khám phá nhanh chóng và những hiểu biết sâu sắc hơn về vật liệu trong tương lai.
Nhờ khả năng kết hợp mượt mà với các mô hình học máy (machine learning) để phân tích vật liệu dưới nhiều điều kiện khác nhau, THOR AI được kỳ vọng sẽ trở thành một công cụ vô giá trong các lĩnh vực khoa học vật liệu, vật lý và hóa học. Hiện tại, toàn bộ dự án THOR đã được công bố rộng rãi trên nền tảng mã nguồn mở GitHub để cộng đồng có thể dễ dàng tiếp cận.