شبیهسازیهای پیچیده فیزیکی مثل جریان سیالات، همیشه به دلیل هزینههای محاسباتی بالا، چالشی بزرگ برای دانشمندان بودهاند. اما حالا محققان با معرفی «PCGBandit»، رویکرد جدیدی را ارائه دادهاند که در آن هوش مصنوعی با یادگیری آنلاین از دادههای خودِ حلگرهای کلاسیک، تنظیمات بهینهتری را در لحظه پیشنهاد میدهد. این روش که مستقیماً روی نرمافزار معروف OpenFOAM پیادهسازی شده، میتواند سرعت شبیهسازی معادلات دیفرانسیل جزئی (PDEs) را به شکل چشمگیری افزایش دهد.
این پیشرفت نه تنها دقت محاسبات علمی را بالا میبرد، بلکه راه را برای حل مسائل پیچیده دینامیک سیالات و فیزیک پلاسما با صرف زمان کمتر باز میکند. 📉⚙️
سازی
منبع: arXiv Machine Learning