陈正平靠在椅背上,烦躁地抓了抓头发,“我们耗不起这个时间。这就像在巨大的参数空间里大海捞针,我们不可能遍历所有可能性。”
大海捞针。。。。。。
这个比喻,让林允宁一下子想起了自己刚刚做完的AFM实验。
那个项目的核心,不就是用一个更聪明的办法,从“噪声”的海洋中,捞取那如同针尖一样的“信号”么?
他盯着屏幕上那张残缺的“地图”,一个念头清晰地浮现。
“陈师兄,我们。。。。。。或许根本不需要计算相图上的每一个点。”
这句话让陈正平直接愣住了:
“允宁,你在开玩笑吧。不把图画全,怎么回应乌萨尔?怎么叫‘标准?”
“我们可以造一个‘代理”,”
林允宁走到白板前,拿起笔,画了一个巨大的方框,代表整个参数空间,“一个能替我们去‘捞针”的代理模型。”
“代理模型?”陈正平没听过这个词。
“对。
林允宁在方框里点了几个稀疏的点,然后用线将它们连接起来,“我们可以先集中所有算力,用我们现在这套高精度的算法,只计算相图中少量关键的‘锚点”。比如,每个相区的中心,还有我们已知的几个最难算的临界点。”
他顿了顿,继续说道:
“然后,我们把这些高精度算出来的数据,当作‘训练集’,去训练一个物理信息神经网络。让AI来学习这些点之间的内在联系,然后由它去快速、精准地‘画’出整张地图的全貌!”
陈正平听得愣住了,他下意识地反驳:
“这不就是插值拟合么?用神经网络画出来的图,怎么保证物理上是正确的?尤其是在相变点附近,物理性质会发生突变,简单的拟合肯定会出错。”
这是物理学家最本能的担忧。
“不,这不是简单的拟合,我们用的也不是普通的神经网络。”
林允宁在白板上写下了“PINN”几个字母,解释道,“我管它叫‘物理信息神经网络’。
“我们不仅会把那些锚点的计算结果,当做训练数据集输入,还会把石墨烯的哈密顿量,也就是描述这个系统最底层的物理方程,作为一个强约束,写进神经网络的算法里。
“任何不符合这个物理规律的‘胡乱连接,都会被算法自己修正。”
一直没说话的顾念真推了推眼镜,提出了更实际的问题。
“也就是说。。。。。。”
一直沉默的顾念真突然开口,“你不是让神经网络去‘猜’,而是让它在确定的物理边界内,做‘有根据的推演?”
“完全正确。”
林允宁对她点了点头。
顾念真沉吟片刻,又提出了一个更实际的计算问题:
“想法很好。但是,要训练一个能理解哈密顿量的神经网络,需要多少‘锚点才够?如果锚点太少,模型会欠拟合;太多,还不如像现在这样硬算。
“这个‘训练集”的大小,怎么确定?”
林允宁点了点头,这两个问题确实是关键。