ニューメキシコ大学とロスアラモス国立研究所の研究者が開発した「THOR」AIフレームワークが、100年間物理学者を悩ませてきた原子挙動の計算問題を数秒で解決することに成功しました。
THORは「Tensors for High-dimensional Object Representation（高次元オブジェクト表現のためのテンソル）」の略で、テンソルネットワークアルゴリズムと機械学習モデルを組み合わせた新しい計算手法です。物質の熱力学的・機械的特性を決定するために不可欠な、極めて高次元の配位積分や偏微分方程式を効率的に圧縮・評価することができます。
従来の手法では、原子レベルでの物質挙動をシミュレーションするためにスーパーコンピュータで数週間を要していました。THORはテンソルトレイン交差補間という手法を用い、高次元のデータキューブをより小さな連結されたコンポーネントの連鎖として表現することで、この計算を数秒に短縮します。さらに、結晶対称性を識別するカスタムバリアントを開発したことで、配位積分を数千時間ではなく数秒で計算することが可能になりました。
スズ、銅、高圧アルゴンなどの材料でテストした結果、THORは最先端の従来手法と比較して400倍の高速化を達成しながら、高い精度を維持していることが確認されました。Hacker Newsでは「計算物理学のパラダイムシフト」として科学者から高い評価を受けており、Redditでも材料科学、物理学、化学における発見を加速させる可能性に期待が集まっています。
研究チームはこのフレームワークをGitHubでオープンソースとして公開しており、世界中の研究者が利用可能です。新材料の開発、量子効果の計算、気候モデリングなど、多岐にわたる分野での応用が期待されています。