THOR AI 顛覆材料科學，秒解複雜方程式

新墨西哥大學（University of New Mexico）和洛斯阿拉莫斯國家實驗室（Los Alamos National Laboratory）的研究人員開發出一種名為「THOR」（Tensors for High-dimensional Object Representation）的人工智慧框架，能在幾秒鐘內計算出過去被認為無法直接求解的物理方程式，這個突破重新定義了科學家研究材料行為的方式，並為材料科學的未來開啟了新的大門。

THOR框架採用了「張量網路演算法」和數學技術「張量訓練交叉插值」，將高維數據立方體表示為一系列較小且連接的組件，突破了配置積分計算中的「維數災難」（curse of dimensionality）問題，使得之前需用數週計算的高維積分能在幾秒內完成，且不損失精準度。這項技術取代了百餘年來基於近似方法如分子動力學和蒙地卡羅方法的傳統做法，實現了從第一原理的直接計算。

洛斯阿拉莫斯高級人工智慧科學家Boian Alexandrov表示：「配置積分準確捕捉粒子間的相互作用，尤其在極端壓力和相變條件下難度極大。」新技術成功應用於高壓狀態下的金屬銅、高壓下的惰性氣體（如結晶態氬氣），以及錫的固態相變計算，運算速度比洛斯阿拉莫斯當前最佳模擬快400多倍。

負責該研究的科學家Duc Truong指出：「THOR AI不僅加速了材料科學的發現過程，也深化了我們對材料微觀行為的理解。」該項目已在GitHub開源，供全球研究人員探索與應用。該研究成果發表於《Physical Review Materials》期刊，並得到洛斯阿拉莫斯國家實驗室指導研究與發展計畫的資助。

此外，THOR框架可與現代的機器學習原子模型無縫整合，展現出在物理學、化學及材料科學研究中的多功能應用潛力，預計將推動這些領域的計算方法和理論研究進入新階段。