محققان به تازگی متد جدیدی به نام «SESaMo» (Symmetry-Enforcing Stochastic Modulation) معرفی کردهاند که تحولی در نحوه استفاده از دانشِ پیشین (Inductive Biases) در مدلهای مولد ایجاد میکند.
🌟 چرا این خبر مهم است؟
مدلهای مولد (مانند Normalizing Flows) معمولاً برای یادگیری توزیعهای پیچیده در فیزیک و شیمی به چالش میخورند. این روش جدید با اعمال «تقارنها» به صورت تصادفی، به مدلها اجازه میدهد انعطافپذیری بیشتری داشته باشند و درک عمیقتری از قوانین طبیعت (مثل نظریه میدان $\phi^4$) پیدا کنند.
این یعنی هوش مصنوعی در شبیهسازیهای علمی و مدلسازیهای پیچیده فیزیکی، یک گام بزرگ به جلو برداشته است! 🧪✨
منبع: arXiv Machine Learning