محققان در یک پژوهش جدید، معماری نوآورانه «Physics-Informed Splines» یا به اختصار PI-Splines را معرفی کردهاند که تحولی در «یادگیری آگاه از فیزیک» (Physics-Informed Learning) ایجاد میکند.
در این روش، به جای استفاده از شبکههای عصبی مرسوم برای تقریب جواب معادلات دیفرانسیل، از گسترش B-spline با ضرایب کنترل آموزشپذیر استفاده میشود. این رویکرد مزایای قابل توجهی دارد:
✅ پایداری بیشتر و کارایی پارامتری بالا
✅ کنترل دقیق بر نرمی (Smoothness) خروجی
✅ تفسیر هندسی شفاف از پارامترها
✅ محاسبات مشتق تحلیلی و دقیق
این متد جدید نشان داده که در سناریوهایی که نیاز به ساختارهای منظم و محلی است، عملکردی بسیار رقابتی و جذاب نسبت به روشهای سنتی دارد. دنیای شبیهسازیهای علمی با این مدلها گام بزرگی به جلو برداشته است. 🧬🔬
منبع: arXiv Machine Learning