دانشمندان در تحقیق جدیدی، روشی نوآورانه برای مدلسازی ساختار مواد بیشکل (مثل شیشهها) با استفاده از «مولدهای بولتزمن» (Boltzmann Generators) توسعه دادهاند.
مشکل اصلی اینجاست که شبیهسازی دقیق این مواد به دلیل بینظمی ساختاریشان، بسیار زمانبر است. حالا محققان با استفاده از «شبکههای عصبی گرافِ همتراز» (Equivariant GNNs) توانستهاند تقارنهای فیزیکی را وارد این مدلها کنند تا دقت شبیهسازی افزایش یابد. البته این مطالعه همچنین نشان میدهد که خطاهای عددی در مدلهای جریان پیوسته همچنان یک چالش بزرگ برای محاسبات دقیق ترمودینامیکی باقی مانده است.
این تحقیق گامی مهم در ترکیب هوش مصنوعی با فیزیک محاسباتی برای درک بهتر ساختار پیچیده مواد است. 🧪✨
منبع: arXiv Machine Learning
