Yeni geliştirilen bir yapay zeka sistemi, malzeme bilimi alanında zorlu bir probleme pratik ve hızlı bir çözüm sunuyor. New Mexico Üniversitesi ve Los Alamos Ulusal Laboratuvarı araştırmacılarının ortak çalışması olan THOR AI (Tensors for High-dimensional Object Representation), istatistiksel fiziğin temel zorluklarından biri olan yüksek boyutlu hesaplamaları büyük ölçüde kolaylaştırıyor. Bu teknoloji, malzemelerin termodinamik ve mekanik özelliklerini tahmin etmek için gereken karmaşık matematiksel işlemleri saniyeler içinde yapabiliyor.
THOR AI’nin amacı, yapılandırmalı integral adı verilen ve atomların birbirleriyle olan etkileşimlerini içeren karmaşık hesaplamaları daha hızlı ve doğru şekilde gerçekleştirmek. Bu matematiksel işlemler, özellikle yüksek basınç altında veya faz geçişleri sırasında malzemelerin davranışını anlamak için kritik öneme sahip. Araştırmanın liderlerinden Boian Alexandrov, bu hesaplamaların geleneksel yöntemlerle çok zaman aldığını ve genellikle yaklaşık sonuçlar verdiğini belirtiyor. THOR AI ise bu süreci hem hızlandırıyor hem de doğruluğu artırıyor.
Yapılan araştırma boyunca geliştirilen sistem, tensor ağ algoritmaları kullanarak büyük boyutlu veri setlerini küçük parçalara ayırıyor ve işlem yükünü hafifletiyor. Böylece, hesapların karmaşıklığı “boyut laneti” olarak adlandırılan sorunun üstesinden geliniyor. Boyut laneti, değişken sayısı arttıkça hesaplama zorluğunun katlanarak artması anlamına geliyor ve bu, süper bilgisayarların bile zorlukla başa çıkabildiği bir sorun. THOR AI, “tensor train cross interpolation” isimli matematiksel bir yöntemle bu büyük veri karmaşasını etkin biçimde sıkıştırıyor.
Sistem, malzemelerin kristal yapısındaki simetrileri de tespit ederek gereksiz hesaplamaları eleyebiliyor. Bu inovasyon sayesinde, daha önce haftalarca süren simülasyonlar, şimdi saniyeler içinde tamamlanabiliyor. New Mexico Üniversitesi kimya ve biyolojik mühendislik bölümünden Prof. Dimiter Petsev, THOR AI’nin geleneksel yöntemlere kıyasla hem verimlilik hem de doğrulukta yeni bir standart getirdiğini ifade ediyor.
THOR AI’nin farklı malzeme tipleri üzerinde testleri, sistemin güvenilirliğini ortaya koydu. Bakır gibi metallerden, yüksek basınç altında kristal haldeki argon gazına, karmaşık katı faz geçişleri yaşayan kalay örneklerine kadar çeşitli senaryolarda yüzde 400’den fazla hız artışı sağlandı. Bu sayede bilim insanları, uzun süren hesaplamaları beklemek zorunda kalmadan farklı fiziksel koşullar altında malzemelerin davranışlarını kolayca modelleyebilecek.
Sistemin esnek yapısı, modern makine öğrenimi tabanlı atomik modellerle sorunsuz bir entegrasyon sağlıyor. Böylece, malzeme bilimi, kimya ve fizik gibi alanlarda geniş bir uygulama yelpazesi oluşturuyor. Los Alamos Ulusal Laboratuvarı’ndan Duc Truong, bu gelişmenin yüz yıllık hesaplama yöntemlerini geride bırakarak malzeme keşiflerinde devrim yaratacağını belirtiyor. THOR AI hız ve doğruluk açısından yeni kapılar açıyor, bu da bilimsel çalışmalarda çok daha hızlı ilerlemelerin önünü açabilir.
Geçmişte hesaplama sürelerinin engel olduğu karmaşık malzeme bilim problemleri, THOR AI ile artık daha ulaşılabilir hale geliyor. Gelecekte, bu teknoloji sayesinde yeni malzemelerin tasarımı hız kazanacak ve endüstriyel uygulamalarda önemli gelişmeler yaşanacak. Araştırmanın kaynağı olan proje, GitHub üzerinden de erişilebilir durumda ve bilim dünyasında geniş bir ilgi uyandırıyor.
📎 Kaynak: sciencedaily.com
