محققان به تازگی چارچوب جدیدی برای «تقریب محدب احتمالاتی» (Neural Likelihood Approximation) معرفی کردهاند که میتواند انقلابی در حل مسائل معکوس بیزی (Bayesian Inverse Problems) ایجاد کند.
در بسیاری از حوزههای علمی، مدلسازی دقیق به دلیل هزینههای محاسباتی بالا یا ناشناخته بودن فرآیندهای فیزیکی بسیار دشوار است. این روش جدید با استفاده از یادگیری ماشین و تبدیل توابع پیچیده به مسائل «محدب» (Convex)، به مدلها کمک میکند تا بدون نیاز به مدلسازیهای صریح پارامتریک، با دقت بسیار بالاتری به نتیجه برسند. این یعنی ورود هوش مصنوعی به عرصههایی که قبلاً تنها با شبیهسازیهای سنگین محاسباتی ممکن بود!
منبع: arXiv Machine Learning