محققان در پژوهشی جدید، معماری یادگیری ماشین جدیدی به نام MF-SHRED را توسعه دادهاند که کار مدلسازی سیستمهای پیچیده فیزیکی (مانند راکتورهای هستهای) را متحول میکند.
این مدل با ترکیب دادههای «کمدقت» (که فراوان هستند) و «بسیار دقیق» (که کمیاب و گران هستند)، میتواند با سرعتی بسیار بالا، جزئیات دقیق فیزیکی را بازسازی کند. این دستاورد میتواند نیاز به محاسبات سنگین و پرهزینه در مهندسی و علوم پایه را به شدت کاهش دهد.
💡 این روش به ویژه برای سیستمهایی که دادههای باکیفیت کمی دارند، یک گام بزرگ رو به جلو محسوب میشود.
سازی
منبع: arXiv Machine Learning