← أحدث الأبحاث
🔬 الفيزياء

Fully GPU-accelerated semistochastic Epstein-Nesbet perturbation theory

تقدم هذه الورقة تنفيذاً مسرعاً بالكامل عبر وحدات معالجة الرسومات لنظرية إبشتاين-نيسبت للاضطراب من الدرجة الثانية شبه العشوائية الموزعة، والتي تدمج الخطوات الحسابية الرئيسية وتستخدم مصفوفات CountSketch لتقليل تكاليف الذاكرة والاتصالات بشكل جذري، محققةً تسريعات تصل إلى 37.53 مرة مقارنة بالطرق القائمة على وحدة المعالجة المركزية مع الحفاظ على كفاءة توازٍ عالية لتطبيقات الكيمياء الكمومية واسعة النطاق.

المؤلف الأصلي: Lizhong Fu, Honghui Shang, Jinlong Yang

نُشر 2026-11-11
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلف الأصلي: Lizhong Fu, Honghui Shang, Jinlong Yang

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلف ولم يصادق عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

في العالم المجهري للذرات والجزيئات، يسعى العلماء لفهم كيفية حركة الإلكترونات وتفاعلها لتماسك المادة. وللقيام بذلك، يبنون نماذج رياضية لـ "الدالة الموجية"، وهي وصف يلتقط الطبيعة الاحتمالية المعقدة لهذه الجسيمات المتناهية الصغر. لعقود من الزمن، كانت الطريقة الأكثر دقة لحل هذه النماذج هي سرد كل ترتيب ممكن للإلكترونات، وهي طريقة تُعرف باسم "التفاعل التكويني الكامل". ومع ذلك، كلما كبر حجم الجزيئات، يتفجر عدد الترتيبات الممكنة بسرعة كبيرة لدرجة أن أقوى الحواسيب الفائقة في العالم لا تستطيع سردها جميعًا. ولمواجهة ذلك، يستخدم الباحثون استراتيجية تسمى "التفاعل التكويني المختار"، والتي تحتفظ فقط بالترتيبات الأكثر أهمية وتتجاهل البقية. وبينما يجعل هذا الأمر المشكلة قابلة للإدارة، إلا أنه يترك فجوة: فالترتيبات المستبعدة لا تزال تؤثر على طاقة الجزيء. وللحصول على إجابة دقيقة حقًا، يجب على العلماء تقدير تأثير هذه الأجزاء المفقودة. ويُعد هذا التقدير، المعروف باسم "نظرية الاضطراب إبستين-نيسبيت من الدرجة الثانية"، خطوة نهائية حاسمة تحول الإجابة التقريبية إلى إجابة دقيقة للغاية. ومع ذلك، فإن إجراء هذا الحساب للجزيئات الكبيرة كان تقليديًا عملية بطيئة وتستهلك الكثير من الذاكرة، وتكافح لمواكبة أجهزة الحوسبة الحديثة.

لقد نجح فريق من الباحثين في جامعة العلوم والتكنولوجيا في الصين الآن في حل هذه العقبة عبر ابتكار طريقة لتشغيل هذه الحسابات بالكامل على وحدات معالجة الرسومات، أو ما يعرف بـ (GPUs). وهذه الوحدات هي شرائح قوية صُممت في الأصل لألعاب الفيديو ولكنها تُستخدم الآن على نطاق واسع في الحوسبة العلمية لأنها تستطيع إجراء ملايين الحسابات البسيطة في وقت واحد. وقد طور الباحثون، بقيادة هونغوي شانغ وجينلونغ يانغ، نظامًا برمجياً يدمج ثلاث خطوات صعبة — توليد ترتيبات الإلكترونات المحتملة، وتصفية الترتيبات غير الهامة، وحساب مساهمات طاقتها — في عملية واحدة انسيابية. وبدلاً من تخزين قائمة ضخمة وغير منظمة لكل ترتيب إلكتروني محتمل يمكن أن يوجد خارج الحساب الرئيسي، تستخدم طريقتهم خدعة إحصائية ذكية؛ حيث تقوم بضغط المعلومات المتعلقة بملايين الترتيبات المستبعدة في بنية ذاكرة صغيرة وثابتة الحجم. وهذا يسمح للحاسوب بجمع مساهمات كل هذه الأجزاء المفقودة دون الحاجة أبدًا إلى تدوينها بشكل فردي أو نقل كميات هائلة من البيانات بين المعالجات المختلفة.

إن نتائج هذا النهج الجديد مذهلة. فعند اختباره على وحدة معالجة رسومات حديثة واحدة، أكمل النظام تصحيحات الطاقة المعقدة هذه بسرعة تتراوح بين ثمانية وثلاثة وثلاثين ضعف الطرق السابقة التي تعمل على ستة وستين معالجًا تقليديًا، مع الحفاظ على نفس المستوى من الدقة الإحصائية. وقد أظهر الباحثون أن طريقتهم تتوسع بكفاءة، مما يعني أنها تستمر في العمل بشكل جيد حتى عند توزيعها عبر عدة وحدات معالجة رسومات تعمل معًا. وفي الاختبارات التي شملت معقدًا حديديًا-أكسجينيًا معقدًا ونموذجًا لجزيء "حديد-بورفيرين"، تعامل النظام مع دوال موجية مرجعية تحتوي على ما يصل إلى 200 مليون ترتيب إلكتروني. وبالنسبة لجزيء الحديد-بورفيرين، استغرقت العملية حوالي 85 ثانية على وحدة معالجة رسومات واحدة، وهي مهمة كانت ستكون بطيئة للغاية أو مستحيلة باستخدام التقنيات القديمة. كما أثبتت الطريقة فعاليتها عند تطبيقها على الدوال الموجية الناتجة عن الشبكات العصبية الاصطناعية، وهي نهج أحدث لنمذجة الإلكترونات لا يعتمد على عمليات "القطرية" التقليدية. وفي هذه الحالات، نجحت الأداة الجديدة في تحسين تنبؤات الشبكة العصبية، مما خفض الطاقات المحسوبة إلى مستوى من الدقة يُعرف بـ "الدقة الكيميائية"، حيث يكون الخطأ صغيرًا بما يكفي ليكون مفيدًا في التنبؤ بالسلوك الكيميائي في العالم الحقيقي.

تكمن أهمية هذا العمل ليس فقط في السرعة، بل في كيفية تغيير ما هو ممكن. فمن خلال إزالة حواجز الذاكرة التي كانت تجبر العلماء سابقًا على تبسيط نماذجهم أو الانتظار لأيام للحصول على النتائج، تتيح هذه الأداة المسرعة بواسطة وحدات معالجة الرسومات للباحثين التعامل مع أنظمة كيميائية أكبر وأكثر تعقيدًا. وقد طبق الفريق طريقتهم لدراسة التوازن الدقيق لحالات الطاقة في الجزيئات القائمة على الحديد، والتي تعد مركزية في العمليات البيولوجية والحفز الصناعي. وقد قدمت حساباتهم رؤى أوضح حول ما إذا كانت هذه الجزيئات تفضل حالة "الثلاثي" أم "الخماسي"، مما حل الغموض الذي تركته الدراسات السابقة الأقل دقة. علاوة على ذلك، فإن القدرة على تطبيق هذه التصحيحات على الدوال الموجية القائمة على الشبكات العصبية تشير إلى مسار جديد للمضي قدمًا: استخدام الذكاء الاصطناعي لإنشاء تخمين أولي لسلوك الجزيء، ثم استخدام هذه الأداة السريعة والدقيقة لصقله ليصبح إجابة نهائية. لقد جعل الباحثون برمجياتهم متاحة للمجتمع العلمي، مما يفتح الباب للآخرين لاستكشاف البنى الإلكترونية للمواد المعقدة بسرعة وكفاءة لم يكن من الممكن الوصول إليهاما سابقًا.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 🔬 physics →