محققان به تازگی معماری جدیدی برای مدلهای ترنسفورمر معرفی کردهاند که میتواند معادلات دیفرانسیل جزئی (PDEs) را با دقت و انعطافپذیری بسیار بالاتری حل کند.
این مدل که با نام «Physics Transformer» شناخته میشود، به جای نگاه کلاسیک به دادهها، میدانهای فیزیکی را به عنوان توابع پیوسته در نظر میگیرد. این رویکرد به هوش مصنوعی اجازه میدهد که وابستگیهای فیزیکی پیچیده را بهتر درک کند و در مقیاسهای مختلف، پیشبینیهای دقیقتری ارائه دهد.
این یک قدم بزرگ برای استفاده از هوش مصنوعی در شبیهسازیهای مهندسی و فیزیک است که میتواند محاسبات سنگین علمی را متحول کند.
منبع: arXiv Machine Learning
