محققان در پژوهشی جدید، چارچوب نوآورانهای برای شبکه های عصبی با آگاهی فیزیکی (Physics-Informed Neural Networks) ارائه کردهاند که میتواند معادلات پیچیده فیزیکی مانند «KdV» را با دقت خیرهکنندهای حل کند.
تفاوت اصلی این روش در این است که به جای یادگیریِ صرف از دادهها، قوانین بقای جرم و انرژی را مستقیماً در قلبِ تابعِ هزینه (Loss Function) مدل قرار میدهد. این کار باعث میشود هوش مصنوعی در شبیهسازی پدیدههای موجی و رفتارهای پیچیده فیزیکی، دچار خطای محاسباتی نشده و پایداری خود را در بلندمدت حفظ کند. این پیشرفت میتواند دریچهای جدید برای مدلسازیهای علمی دقیقتر و سریعتر باشد. ⚡️
منبع: arXiv Machine Learning