محققان در دستاورد جدیدی موفق شدند با معرفی معماری «شبکههای عصبی طیفی» (Modified SINNs)، دقت مدلهای هوش مصنوعی را در حل معادلات دیفرانسیل با ابعاد بالا به طرز چشمگیری افزایش دهند.
این متد که ترکیبی از روشهای کلاسیک طیفی و شبکههای عصبی مبتنی بر فیزیک (PINNs) است، نه تنها مشکل «نفرین ابعاد» را در معادلات پیچیده حل میکند، بلکه با حذف محاسبات مشتق فضایی، مصرف حافظه را به شدت کاهش داده و سرعت و دقت محاسبات علمی را وارد فاز جدیدی کرده است. پیشرفتی بزرگ برای شبیهسازیهای علمی و فیزیکی که قبلاً برای کامپیوترها کابوس بودند! 🧠✨
منبع: arXiv AI