🧠 ترکیب هوش مصنوعی و فیزیک برای پیش‌بینی دقیق‌تر پدیده‌ها!

محققان به‌تازگی معماری جدیدی به نام «Hierarchical Physics-Embedded Adaptive Fourier Neural Operator» معرفی کرده‌اند که انقلابی در مدل‌سازی سیستم‌های پیچیده فیزیکی محسوب می‌شود. برخلاف روش‌های قبلی که قوانین فیزیکی را به صورت محدودیت‌های نرم به مدل تحمیل می‌کردند، این روش جدید مستقیماً قوانین فیزیکی را در معماری شبکه عصبی کدگذاری می‌کند.

نتایج این تحقیق نشان می‌دهد که این روش می‌تواند خطاهای پیش‌بینی در سیستم‌های پیچیده (مانند دینامیک سیالات) را تا ۷۰٪ کاهش دهد و در عین حال سازگاری فیزیکی و انرژی مدل را به‌خوبی حفظ کند. گامی مهم برای درک بهتر جهان با قدرت هوش مصنوعی!

منبع: arXiv Machine Learning