1
رایانه‌های شخصی معمولاً برای انجام وظایف عظیمی که معمولاً به ابررایانه‌ها اختصاص داده می‌شود، با مشکل مواجه می‌شوند. شبیه‌سازی‌های پیچیده برای آزمایش تصادف یا تصویربرداری پزشکی معمولاً به قدرت پردازشی عظیمی نیاز دارند، که بسیاری از پژوهشگران را مجبور می‌کند از خوشه‌های محاسباتی با عملکرد بالا استفاده کنند.
با این حال، یک رویکرد جدید مبتنی بر هوش مصنوعی برای معادلات دیفرانسیل جزئی، این فرض را به چالش می‌کشد.
مشکل شبیه‌سازی‌های پیچیده
معادلات دیفرانسیل جزئی در مهندسی و علوم به‌وفور دیده می‌شوند، از مدل‌سازی نحوه خم شدن بدنه خودرو در تصادف گرفته تا پیش‌بینی نحوه نشست فونداسیون ساختمان در طول زمان.
این معادلات، دستورالعمل‌های ریاضی هستند که توصیف می‌کنند متغیرهایی مانند تنش یا گرما چگونه در مواد حرکت می‌کنند.
حل این معادلات گاهی مانند عبور از یک هزارتو به نظر می‌رسد، به‌ویژه زمانی که اشکال و ابعاد جدید وارد بازی می‌شوند.
هر شکل معمولاً نیاز به شبیه‌سازی جدیدی دارد، که این فرآیند را کند و زمان‌بر می‌کند.
تسریع معادلات با هوش مصنوعی و DIMON
فناوری که پشت تسریع این معادلات عظیم قرار دارد، تحت رهبری ناتالیا ترایانووا از دانشگاه جانز هاپکینز (JHU) توسعه یافت. او پس از سال‌ها مواجهه با فرآیندهای محاسباتی زمان‌بر در تحقیقات خود، این راهکار را ارائه کرد.
چارچوب جدید هوش مصنوعی که DIMON (یادگیری عملگر نگاشت دیفیومورفیک) نام دارد، محدود به هیچ شکل یا سناریوی خاصی نیست.
بلکه، این فناوری یاد می‌گیرد که چگونه راه‌حل‌ها در اشکال مختلف عمل می‌کنند و به آن اجازه می‌دهد پاسخ‌ها را به‌سرعت برای مسائلی پیش‌بینی کند که قبلاً نیاز به روزها محاسبات مداوم داشتند.
هوش مصنوعی، DIMON و رفتار معادلات
DIMON با استفاده از هوش مصنوعی تحلیل می‌کند که شکل چگونه بر رفتار معادلات تأثیر می‌گذارد و سپس این دانش را برای اشکال جدید بدون نیاز به حل مجدد از ابتدا، اعمال می‌کند.
این سیستم نوعی حافظه از قوانین فیزیکی پایه‌ای را حفظ می‌کند.
«این راه‌حل تأثیر عظیمی بر زمینه‌های مختلف مهندسی خواهد داشت، زیرا عمومی، مقیاس‌پذیر و قابل‌استفاده برای حل معادلات دیفرانسیل جزئی در هر حوزه و بر روی اشکال مختلف است.» ناتالیا ترایانووا.
بهبود بررسی‌های سلامت قلب
دانشمندان این روش را روی بیش از ۱۰۰۰ مدل مجازی قلب آزمایش کردند. هر کدام از این مدل‌ها دارای شکل‌های منحصربه‌فردی هستند که نماینده قلب بیماران واقعی هستند.
این «دوقلوهای دیجیتال» به پیش‌بینی خطر ابتلا به اختلالات خطرناک ریتم قلب کمک می‌کنند.
ترایانووا می‌گوید: «با این رویکرد جدید هوش مصنوعی، سرعتی که می‌توانیم راه‌حل ارائه دهیم، باورنکردنی است. زمان محاسبه پیش‌بینی یک دوقلوی دیجیتال قلب از چندین ساعت به ۳۰ ثانیه کاهش می‌یابد و این کار روی یک رایانه رومیزی انجام می‌شود، نه یک ابررایانه.»
هدف این است که از قبل مشخص کنیم چه کسی ممکن است به درمان نجات‌بخش نیاز داشته باشد.
چرا سرعت مهم است
تحقیقات سلامت قلب تنها یک مثال است. محاسبات سریع‌تر، برنامه‌ریزی درمان بیماران را بدون نیاز به انتظار طولانی‌مدت آسان‌تر می‌کند.
مهندسان نیز می‌توانند طیف وسیع‌تری از طراحی‌ها (مانند آزمایش شکل‌های مختلف پل یا ساختارهای پهپاد) را در مدت زمان بسیار کوتاه‌تری بررسی کنند.
در این حوزه‌ها، یک تأخیر می‌تواند اثر دومینویی ایجاد کرده و منجر به تصمیم‌گیری‌های کندتر، افزایش هزینه‌ها و از دست رفتن فرصت‌های بهبود راهکارها شود.
تسریع این فرآیندها به پژوهشگران و مهندسان امکان می‌دهد سریع‌تر تکرار کنند و نوآوری‌هایی را که ممکن است دست‌نیافتنی به نظر برسند، آزاد کنند.
مزیت هوش مصنوعی تغییرشکل‌دهنده DIMON
با حذف فرآیند تکراری شروع از صفر هر بار که شکل تغییر می‌کند، DIMON انعطاف‌پذیری لازم برای انجام وظایف در صنایع مختلف را دارد.
«برای هر مسئله، DIMON ابتدا معادلات دیفرانسیل جزئی را روی یک شکل حل می‌کند و سپس راه‌حل را به چندین شکل جدید نگاشت می‌کند. این توانایی تغییرشکل‌دهی، تطبیق‌پذیری فوق‌العاده آن را برجسته می‌کند.» مینگلنگ یین، پژوهشگر فوق دکتری و توسعه‌دهنده پلتفرم.
بهینه‌سازی طراحی می‌تواند مقرون‌به‌صرفه‌تر و در دسترس‌تر شود، به‌ویژه برای شرکت‌های کوچک‌تر که بودجه ابررایانه ندارند.
آینده هوش مصنوعی و معادلات دیفرانسیل
محاسبات دشوار می‌تواند پیشرفت‌ها را در مهندسی و پزشکی متوقف کند، اما ظهور هوش مصنوعی سازگارتر ممکن است این مانع را برطرف کند.
رایانه‌های شخصی به‌زودی می‌توانند مسائلی را که پیش‌تر تنها خوشه‌های عظیم از عهده آن برمی‌آمدند، حل کنند.
پروژه‌هایی که پیش‌تر به دلیل زمان‌بر بودن حل آن‌ها کنار گذاشته شده بودند، اکنون می‌توانند با تمام سرعت پیش بروند. این موضوع می‌تواند به خودروهای ایمن‌تر، پل‌های مستحکم‌تر و مراقبت‌های بهداشتی پیشگیرانه‌تر منجر شود.
این مطالعه در مجله Nature Computational Science منتشر شده است.