16:32 2024-02-26
science - citeste alte articole pe aceeasi tema
Comentarii Adauga Comentariu
_ Un predictor de învățare automată îmbunătățește capacitatea de a rezolva probleme fizice complexe
_ Un predictor de învățare automată îmbunătățește capacitatea de rezolvare a problemelor fizice complicate
Într-o dezvoltare recentă la Universitatea Fudan, o echipă de matematicieni aplicați și oameni de știință AI a dezvăluit un cadru de învățare automată de ultimă oră, conceput pentru a revoluționa înțelegerea și predicția sistemelor hamiltoniene. Lucrarea este publicată în revista Physical Review Research.
Numit Hamiltonian Neural Koopman Operator (HNKO), acest cadru inovator integrează principiile fizicii matematice pentru a reconstrui și a prezice sisteme hamiltoniene de dimensiuni extrem de înalte folosind zgomot sau date parțial observate.
Cadru HNKO, echipat cu o structură Koopman unitară, are capacitatea remarcabilă de a descoperi noi legi de conservare numai din datele observaționale. Această capacitate abordează o provocare semnificativă în prezicerea cu acuratețe a dinamicii în prezența perturbațiilor de zgomot, marcând o descoperire majoră în domeniul mecanicii hamiltoniene.
Cercetătorii de la Universitatea Fudan au arătat puterea HNKO și extensiile sale aplicând-o. la o serie de modele fizice, inclusiv sisteme de n-corpi cerești cu sute și mii de grade de libertate.
Experimentele lor numerice au demonstrat eficiența cadrului în scalarea la sisteme fizice complexe, reafirmând potențialul său de a revoluționa înțelegerea. a sistemelor dinamice complexe.
Această realizare subliniază importanța încorporării cunoștințelor anterioare și a teoriei matematice în cadrele de învățare automată, îmbunătățind semnificativ capacitatea acestora de a rezolva probleme fizice complexe. Activitatea de pionierat a Universității Fudan înseamnă un pas esențial înainte în valorificarea inteligenței artificiale pentru a îmbunătăți înțelegerea fizicii și matematicii fundamentale.
Comentarii:
Adauga Comentariu