Az amerikai Sandia Nemzeti Laboratórium kutatói egy új gépitanulás-algoritmus segítségével, a „normálisnál” több mint 40 ezerszer gyorsabban végeztek el bonyolult anyagtudományi számításokat.

Az eredmény komoly változásokat hozhat új optikai, légi és űrkutatási, energiatárolási, orvosi stb. technológiák fejlesztésében. Másrészt, a számítási költségek csökkenésével, kevesebb lesz a laboratóriumi kiadás is.

„Lerövidítjük a tervezési ciklust. Amikor megtervezünk egy komponenst, többéves várakozás nélkül szeretnénk megtervezni egy azzal kompatibilis anyagot is. Ma sajnos évekig kell várni” – magyarázza David Montes, a Sandia egyik anyagtudományi szakembere.

A gépi tanulás a számítógépes szimulációt gyorsította fel, amely előrejelzi, hogy a gyártási folyamat vagy egy terv megváltoztatása, például egy ötvözetben lévő anyagok mennyiségének növelése hogyan befolyásolja az anyagot. Egy ilyen projekthez többezer szimuláció kell. Többezer lefuttatása viszont hetekig, hónapokig, sőt, évekig eltarthat.

A kutatócsoport 128 magos számítógép-klaszteren 12 perc alatt futtatott le egy szimulációt, majd ugyanazt a szimulációt a gépitanulás-algoritmust használva, 36 magos rendszeren 60 milliszekundum alatt, 42 ezerszer gyorsabban végezték el. Ez azt jelenti, hogy az új megoldással negyedóra alatt mindent megtudnak, amihez különben egy év kellene. (Egy mai átlagos otthoni számítógép két és hat mag között van.)

A gépitanulás-algoritmussal elért eredmény 5 százalékkal különbözött a sztenderd szimulációétól. A kutatók szerint kielégítően pontos, amit be is kalkuláltak, mert a gépi tanulásos módszerrel, a sebesség miatt beáldoznak valamit a pontosságból, de még így is majdnem ugyanaz az eredmény, mintha a jól bevált és abszolút megbízható eljárásokkal dolgoztak volna.

Az algoritmust először ultravékony anyagokkal működő optikai technológiákhoz, például következő generációs kijelzőkhöz tervezik használni.