THOR AI框架

THOR AI框架

THOR AI框架

THOR（Tensors for High-dimensional Object Representation，高维对象表示张量）AI框架是由新墨西哥大学和洛斯阿拉莫斯国家实验室联合开发的材料科学计算框架。该框架利用张量网络技术和机器学习势函数，实现了对材料科学中构型积分的直接求解，将需要超级计算机运行数周的计算压缩到几秒钟，速度提升400倍以上。

核心技术

  • 张量训练交叉插值: 将高维数据立方体拆解、压缩成一系列低维组件链条，实现高效降维
  • 机器学习势函数: 通过预先学习原子的相互作用规律，快速输出原子间的动态行为和力场数据
  • 晶体对称模式识别: 自动捕捉并识别材料内部的关键晶体对称模式，裁减重复计算步骤

基准测试

  • 纯铜: 直接计算出热力学性质，结果与传统顶级模拟结果完全吻合
  • 高压结晶氩气: 精确预测极端物理环境下的热力学表现
  • 锡的固-固相变: 精准计算相变临界点

局限性

  • 目前主要针对具有规则对称结构的晶体固体
  • 对非晶态材料、液体或高熵合金等缺乏规则对称性的系统，有效性尚待验证
  • 底层依赖于机器学习势函数的学习，与纯粹第一性原理计算存在细微差别

开源

THOR项目已在GitHub上完全开源，使普通大学实验室也能进行过去只有国家级超算实验室才能完成的复杂计算。

相关实体

  • [[新墨西哥大学]] — 联合开发方
  • [[洛斯阿拉莫斯国家实验室]] — 联合开发方，提供测试环境和算力
  • [[Duc P. Truong]] — 主要作者，洛斯阿拉莫斯国家实验室科学家
  • [[ScienceDaily]] — 报道媒体
  • [[Physical Review Materials]] — 发表论文的学术期刊
  • [[GitHub]] — 开源代码托管平台
分享到