محققان در یک پژوهش تخصصی به سراغ بررسی «یادگیری ماشینِ فیزیک-آگاه» (Physics-Informed Machine Learning) در دنیای واقعی رفتهاند. این مطالعه نشان میدهد که چرا این مدلها در پیشبینی دقیق جریان ترافیک گاهی از مدلهای سنتی هم عقب میمانند.
نکته جالب اینجاست که مشکل همیشه از فیزیک نیست؛ بلکه ترکیب دادههای ناقص (مثل سنسورهای با رزولوشن پایین) با معادلات فیزیکی، باعث میشود مدل در درک دینامیک واقعی ترافیک دچار خطا شود. این یافتهها مسیر را برای ساخت مدلهای هوشمند شهری قابلاعتمادتر هموار میکند. 🚦🏙️
منبع: arXiv Machine Learning