محققان در تازهترین دستاورد خود، مدل جدیدی به نام MS-SFNN (شبکههای عصبی فوریه چندمقیاسی تفکیکپذیر) را برای حل معادلات دیفرانسیل با مشتقات جزئی (PDEs) معرفی کردهاند.
مشکل اصلی مدلهای قبلی، ناتوانی در تحلیل فرکانسهای بالا بود، اما این متد جدید با استفاده از تکنیکهای ریاضی پیشرفته و تفکیکپذیری، نه تنها این محدودیت را دور میزند، بلکه با کاهش بار محاسباتی و حافظه، گامی بزرگ در شبیهسازیهای علمی برداشته است.
این روش به دانشمندان کمک میکند تا مسائل پیچیده چندبعدی را با دقت بسیار بالاتر و هزینه محاسباتی کمتر حل کنند.
سازی
منبع: arXiv Machine Learning