Результаты поиска

Проект STREAMLINE в США использует искусственный интеллект для продвижения исследований ядерной квантовой многочастичной проблемы

25 августа 2026 года новый проект под названием STREAMLINE объединяет искусственный интеллект, машинное обучение и суперкомпьютерные вычисления для решения ядерной квантовой многочастичной проблемы в ядерно-физических исследованиях. Цель проекта — более точное моделирование взаимодействий протонов и нейтронов внутри атомного ядра, а также обеспечение теоретической поддержки для таких передовых вопросов, как нейтронные звёзды и фундаментальные взаимодействия. Сложность ядерной квантовой многочастичной проблемы заключается в том, что с увеличением числа частиц количество возможных взаимодействий между ними быстро растёт, и традиционные методы вычислений вскоре достигают предела вычислительной мощности. Даже с использованием высокопроизводительных суперкомпьютеров обычно можно обрабатывать лишь квантовые системы относительно ограниченного масштаба. Проект STREAMLINE надеется посредством методов машинного обучения повысить точность приближённого моделирования сложных квантовых систем, обеспечив более управляемое расширение вычислительных масштабов.

2026-08-26

Российские исследователи разработали модель машинного обучения для прогнозирования стабильности комплексов редкоземельных и актинидных элементов

Исследователи междисциплинарной лаборатории интеллектуального химического дизайна химического факультета МГУ совместно с коллегами с механикo-математического факультета разработали новую модель машинного обучения для оценки стабильности комплексов редкоземельных элементов и трёхвалентных актинидов. Результаты опубликованы в журнале Journal of Chemical Physics. Исследовательская группа отмечает, что машинное обучение позволяет снизить временные и материальные затраты в химических исследованиях, что особенно важно для редких, дорогостоящих или опасных лантанидов и актинидов. Лантаниды вместе со скандием и иттрием обычно относят к редкоземельным элементам, которые широко применяются в постоянных магнитах, аккумуляторах, электронных компонентах и лазерах. Поскольку редкоземельные элементы в природе...

2026-08-25

Лаборатория Аргонн представила инструмент DONUT для ускорения анализа данных нанорентгеновской дифракции в реальном времени

Исследователи Аргоннской национальной лаборатории Министерства энергетики США разработали новый инструмент машинного обучения под названием DONUT для ускорения анализа рентгеновских данных в экспериментах на передовом источнике фотонов (APS). Этот инструмент позволяет обрабатывать сложные изображения, получаемые с помощью сканирующего рентгеновского нанодифракционного микроскопа (SXDM), в реальном времени в ходе эксперимента, помогая исследователям быстрее определять изменения внутренней структуры материалов. DONUT расшифровывается как «нанолучевая оптическая дифракция на основе обучения без учителя» и представляет собой физически информированную нейронную сеть. Его особенность заключается в сочетании методов искусственного интеллекта с физическими моделями взаимодействия сфокусированного рентгеновского пучка с материалами, что позволяет обучаться непосредственно на экспериментальных данных без зависимости от предварительно размеченных обучающих...

2026-08-17

Фреймворк машинного обучения позволяет прогнозировать микросмещения катушек термоядерной установки DIII-D

Исследователи из Национального ускорительного комплекса Томаса Джефферсона (Thomas Jefferson National Accelerator Facility, Jefferson Lab) Министерства энергетики США (DOE) и их коллеги разработали фреймворк машинного обучения, позволяющий прогнозировать незначительные изменения критически важного оборудования термоядерной установки до начала следующего эксперимента. Метод ориентирован на Национальную термоядерную установку DIII-D (DIII-D National Fusion Facility) в Сан-Диего; результаты опубликованы в журнале «Машинное обучение и его применение». Внутренняя структура токамака Национальной термоядерной установки DIII-D. (Фото предоставлено компанией General Atomics) DIII-D — это токама...

2026-08-17

Sophelio запускает Fusion Equilibrium Challenge, открывая наборы экспериментальных данных DIII-D и MAST

11 августа компания Sophelio запустила соревнование Fusion Equilibrium Challenge. Это соревнование включено в трек конкурсов конференции NeurIPS 2026 и является первым соревнованием, связанным с термоядерной энергетикой, вошедшим в этот трек. Соревнование организовано компанией Sophelio совместно с Национальным термоядерным комплексом DIII-D (DIII-D National Fusion Facility), проектом FAIR-MAST Британского управления по атомной энергии (UKAEA) и Институтом термоядерных исследований Техасского университета в Остине (IFS); данные размещены на платформе Hugging Face. Соревнование открыто для мирового сообщества машинного обучения и требует...

2026-08-12