Система, названа THOR (Tensors for High-dimensional Object Representation), виконує конфігураційний інтеграл — базове рівняння, що описує взаємодію частинок усередині матеріалів, — за допомогою методів тензорних мереж.

Конфігураційний інтеграл є ключовим для прогнозування міцності, стабільності та поведінки матеріалів у екстремальних умовах, але традиційно потребує тижнів роботи суперкомп’ютерів. Завдяки THOR цей процес скорочується зі 2560 годин до лише 5,8 години, забезпечуючи до 400-разового прискорення без втрати точності.

За словами старшого наукового співробітника з ШІ Бояна Александрова, точне визначення термодинамічних властивостей поглиблює розуміння статистичної механіки та дає цінну інформацію для металургії, досліджень фазових переходів і фізики високих тисків — критичних напрямів від аерокосмічної техніки до чистої енергетики.

Складність задачі порівнюють із розрахунком усіх можливих комбінацій мільярдів кубиків LEGO: навіть суперкомп’ютери зазвичай не справляються. THOR долає «прокляття розмірності», розбиваючи гігантський масив даних на менші взаємопов'язані блоки, а користувацький алгоритм інтерполяції ще більше пришвидшує процес.

Систему протестували на зразках міді, аргону та олова. Мідь точно відтворювала внутрішню енергію та тиск при високих густинах; аргон відповідав результатам моделювання методом молекулярної динаміки при тисках порядку гігапаскалів; а для олова було зафіксовано твердо-твердий фазовий перехід і побудовано повну фазову діаграму за 5,8 «керно-години» замість 2560.

Автори зазначають, що швидше й точніше моделювання здатне прискорити відкриття нових сплавів, розвиток технологій чистої енергії та підвищення міцності матеріалів для аерокосмічної й електронної галузей. Якщо THOR AI впорається з однією з найскладніших проблем фізики, це може змінити підхід до багатовимірних задач у багатьох дисциплінах. Дослідження опубліковане в журналі APS.