AI bolji od superračunala u inženjerskim problemima

Inženjeri u mnogim industrijama danas koriste superračunala za modeliranje raznih situacija u kojima se želi računalno otkriti ponašanje materijala i struktura u raznim situacijama, poput odolijevanja mostova na utjecaje stresa, svemirskih letjelica na ekstremna okruženja i osobna vozila u sudarima.

Istraživači američkog Sveučilišta Johns Hopkins, razvili su "AI framework", koji je točniji i brži od superračunala, odnosno omogućuje običnim računalima rješavanje masivnih matematičkih problema za koje su općenito potrebna superračunala.

Novi AI je generički pristup koji može brzo predvidjeti rješenja sveobuhvatnih i dugotrajnih matematičkih jednadžbi potrebnih za stvaranje modela širenja tekućina ili električnih struja kroz različite geometrije, poput onih uključenih u standardna inženjerska ispitivanja.

Nazvan DIMON (Diffeomorphic Mapping Operator Learning), AI rješava sveprisutne matematičke probleme poznate kao parcijalne diferencijalne jednadžbe koje su prisutne u gotovo svim znanstvenim i inženjerskim istraživanjima. Pomoću ovih jednadžbi istraživači mogu prevesti sustave ili procese stvarnog svijeta u matematičke prikaze toga kako će se objekti ili okoline mijenjati tijekom vremena i prostora.

Osim demonstracije primjenjivosti DIMON-a u rješavanju drugih inženjerskih problema, tim je testirao je novu umjetnu inteligenciju na više od 1000 srčanih "digitalnih blizanaca", vrlo detaljnih računalnih modela srca stvarnih pacijenata. Platforma je mogla predvidjeti kako se električni signali šire kroz svaki jedinstveni oblik srca, postigavši ​​visoku prognostičku točnost.

S njihovim srčanim digitalnim blizancima, istraživači mogu dijagnosticirati mogu li pacijenti razviti fatalno stanje i preporučiti načine za njegovo liječenje.

Parcijalne diferencijalne jednadžbe općenito se rješavaju razbijanjem složenih oblika poput krila aviona ili tjelesnih organa u rešetke ili mreže napravljene od malih elemenata. Problem se zatim rješava na svakom jednostavnom komadu i ponovno kombinira. Ali ako se ti oblici promijene, kao kod sudara ili deformacija, mreže se moraju ažurirati, a rješenja ponovno izračunati, što može biti sporo i skupo.

DIMON rješava taj problem korištenjem umjetne inteligencije za razumijevanje kako se fizički sustavi ponašaju u različitim oblicima, bez potrebe za ponovnim izračunavanjem svega od nule za svaki novi oblik.

Umjesto dijeljenja oblika u mreže i stalnog rješavanja jednadžbi, AI predviđa kako će se čimbenici poput topline, stresa ili gibanja ponašati na temelju obrazaca koje je naučio, što ga čini puno bržim i učinkovitijim u zadacima poput optimizacije dizajna ili modeliranja oblika.

Istraživački rad objavljen u časopisu Nature Computational Science možete pronaći na ovoj poveznici.