محققان با معرفی یک چارچوب جدید به نام PIE-PINN، گام مهمی در حل مسائل پیچیده مهندسی برداشتند. این مدل مبتنی بر شبکههای عصبی (PINN)، میتواند خواص ارتجاعی مواد (مثل مدول یانگ) را حتی با استفاده از دادههای «نویزدار» و «کمکیفیت» با دقت بالایی تخمین بزند.
این نوآوری با ترکیب مدلهای احتمالی و B-spline، نویزهای مزاحم را کاهش داده و تحلیلهای فیزیکی را دقیقتر از همیشه کرده است. کاربرد این مدل در مهندسی مواد و سازه، میتواند فرآیند طراحی و شبیهسازی را بسیار بهینهتر کند.
منبع: arXiv Machine Learning