...или так считают учёные из Центра имени Гельмгольца-Зентрума Дрезден-Россендорфа (и ещё парочки других, но у них не такие прикольные, "короткие" названия).
Собственно, электронная структура, расположение электронов в материи, играет наиважнейшую роль в прикладных исследованиях:
Электроны - это элементарные частицы фундаментальной важности. Их квантовомеханические взаимодействия друг с другом и с атомными ядрами создают множество явлений в химии и не только. Понимание и контролирование электронных структур даёт представление реактивности молекул, структуре и переносе энергии внутри планет, а также о самих механизмах разрушения материалов.
Но у человечества нет техники симуляции подобных структур, предлагающих одновременно высокую точность и масштабируемость в разных объёмах длины и времени, что давно является препятствием для прогресса в этой области.
Хорошо, что человечество придумало машинное обучение, потому что ИИ всё равно, сколько работать - дайте лишь достаточно места в хранилище данных и оно проверит все варианты. И теперь существуют Алгоритмы Изучения Материалов (MAterials Learning Algorithms aka "MALA"), для сокращения будем назвать их АИМ (хе-хе).
Так вот, этот АИМ способен уже преодолеть стену масштабируемости - его основной стек берёт расположение атомов в пространстве и генерирует отпечатки - компоненты биспектра (тяжёлая высшая математика, вы ещё молодые, шутливые, не надо вам это знать. Да и я не объясню (потому что бака, как и Сырно) - просто статистические данные высшего порядка, для статистических же оценок параметров второго порядка (вот тут самое время подставить клип с Александром Борисовичем. Но вы знаете, куда я его добавлю)), кодирующие расположение атомов вокруг Декартовой сетки.
И вот на основе этих данных, машина предсказывает, какая будет структура у найденных атомов. Плюсом АИМ считается независимость от размера. То бишь, можно обучать на малых размерах, а работать она сможет на любых размерах. В публикации (сайт которой не открывается =/) продемонстрировано, что для малых систем АИМ достиг скорости в ~1000 раз больше, чем было доступно ранее, а также в данной модели использовалось около 100000 атомов.
Учёные также отметили, что там, где от увеличения размера, Дискретное Преобразование Фурье (общеиспользуемое преобразование Жан-Батиста, благодаря которому у нас есть mp3 и Jpeg (те самые 10/10 шакалы, зато объём маленький)) теряет эффективность, АИМ продолжает наращивать собственное превосходство. А всё благодаря предсказаниям на малых масштабах в каждой отдельной части модели, вместо расчёта сразу всей системы.
P.S: Одмен, не бей за арты Хатера-Хататера T-T
#Cirno #Science #Physics@cirno_nb
Мы в VK: https://vk.com/cirno_nb
