THOR人工智能几秒钟就解决了百年物理难题

本文介绍了一种名为THOR AI的新型人工智能计算框架，旨在攻克材料科学中一个核心难题：构型积分（configurational integral）的高效精确计算。构型积分用于描述原子间相互作用对材料整体热力学性质（如温度、压力、相变）的影响，但因其涉及成千上万个变量（高维性），传统方法（如分子动力学、蒙特卡洛模拟）只能间接估算，且耗时极长——有时需超级计算机连续运行数周，结果仍仅为近似值。根本难点在于‘维度灾难’：变量每增加一个，计算量呈指数级增长。THOR AI通过‘张量链交叉插值’数学方法，把庞大的高维被积函数数据分解为多个小而关联的模块，大幅压缩计算规模；同时，它还能自动识别材料晶体结构中的对称性规律，进一步剔除冗余计算。实测表明，该方法在铜、高压固态氩、锡的固-固相变等典型材料体系中，精度媲美洛斯阿拉莫斯国家实验室原有高端模拟，速度却提升400倍以上。此外，THOR AI可无缝对接当前主流的机器学习原子势模型，灵活适应不同温度、压力等物理环境。研究者指出，这标志着构型积分从百年来依赖经验近似和间接模拟，迈入基于第一性原理的直接、高效、可靠计算新阶段，有望加速材料发现与基础物性理解。