امروز: ۲۰۲۶/۱۱/۲۰ — تحریریه هوشمند ریکارت
عبارت مورد نظر خود را تایپ کنید تا نتایج به صورت آنی ظاهر شوند...
صفحه نخست / فناوری و AI / رویکرد جدید، مدل‌های هوش مصنوعی از لحاظ فی...
فناوری و AI

رویکرد جدید، مدل‌های هوش مصنوعی از لحاظ فیزیکی سازگار با سیستم‌های آشفته را قادر می‌سازد

مدل‌سازی فرآیندهای پیچیده و پر هرج و مرج مانند الگوهای آب و هوا و آب و هوا و جریان‌های متلاطم در هوانوردی یا جریان‌های اقیانوسی در سال‌های اخیر پیشرفت چشمگیری داشته است. با این حال، چنین مدل هایی هنوز هم در طول زمان در معرض پیش بینی های فیزیکی غیرممکن هستند. اکنون، محقق...
رویکرد جدید، مدل‌های هوش مصنوعی از لحاظ فیزیکی سازگار با سیستم‌های آشفته را قادر می‌سازد
عکس گزارش: MIT AI

مدل‌سازی فرآیندهای پیچیده و پر هرج و مرج مانند الگوهای آب و هوا و آب و هوا و جریان‌های متلاطم در هوانوردی یا جریان‌های اقیانوسی در سال‌های اخیر پیشرفت چشمگیری داشته است. با این حال، چنین مدل هایی هنوز هم در طول زمان در معرض پیش بینی های فیزیکی غیرممکن هستند.

اکنون، محققان آزمایشگاه MIT برای سیستم‌های اطلاعات و تصمیم‌گیری (LIDS) راهی برای معرفی محدودیت‌های مبتنی بر فیزیک در مدل‌های یادگیری ماشین پیدا کرده‌اند که می‌تواند تضمین کند که چنین مدل‌هایی هرگز از مرزهای واقعی فراتر نخواهند رفت، بر اساس آنچه واقعاً در دنیای واقعی ممکن است. این رویکرد جدید، با استفاده از اطلاعاتی که اکنون به‌طور رایگان توسط تیم در دسترس است، می‌تواند سودمندی و قابلیت اطمینان چنین مدل‌هایی را که علاوه بر آب و هوا و آب و هوا در طیف گسترده‌ای از فرآیندهای صنعتی، هوانوردی و هیدرولوژی نیز استفاده می‌شوند، به‌طور چشمگیری بهبود بخشد.

یافته های جدید در مجموعه مقالات آکادمی ملی علوم (PNAS) در مقاله ای توسط دانشجوی فارغ التحصیل MIT، Sunbochen Tang و اساتید MIT، نوید عزیزان و Themistoklis Sapsis منتشر شده است.

ساپسیس، استاد مهندسی مکانیک و وابسته به LIDS می‌گوید: «فقدان ضمانت‌ها برای پاسخ محدود همیشه مانع اصلی در فرمول‌بندی مدل‌های مبتنی بر داده برای سیستم‌های پیچیده غیرخطی بوده است. او می‌گوید رویکردی که این تیم ایجاد کرده است، «راه را برای بکارگیری پیشرفته‌ترین معماری‌های یادگیری ماشین برای پیش‌بینی و کنترل در انبوهی از مشکلات دنیای واقعی، حتی آن‌هایی که با ناپایداری‌های ذاتی مشخص می‌شوند، هموار می‌کند».

توسعه مدل‌های قابل اعتماد برای سیستم‌های دینامیکی پیچیده در بسیاری از حوزه‌ها مهم است. در دینامیک سیالات، جریان‌های متلاطم می‌توانند سفر هوایی را مختل کنند، کارایی توربین‌های بادی را کاهش دهند و بر مصرف سوخت خودروها تأثیر بگذارند. به طور مشابه، در پیش‌بینی آب و هوا، ماهیت آشفته دینامیک جوی پیش‌بینی دقیق بلندمدت را دشوار می‌کند.

برچسب‌ها: #هوش مصنوعی #هوانوردی
ارجاع مستقیم به منبع خبر
رصد و گزارش اولیه از پایگاه MIT AI
مشاهده در وبگاه مبدا ↗

مطالب پیشنهادی و مرتبط

FCC به کالیفرنیا دستور می دهد تا اجرای قوانین خدمات تلفنی علیه AT&T را متوقف کند
فناوری و AI ۳۰ آبان • ۰۱:۵۸

FCC به کالیفرنیا دستور می دهد تا اجرای قوانین خدمات تلفنی علیه AT&T را متوقف کند

کمیسیون ارتباطات فدرال به کالیفرنیا دستور داد تا اجرای قوانین حامل آخرین راه حل (COLR) خود را علیه AT T متوقف کند و نبرد دیگری بین دولت ترامپ و کالیفرنیا بر سر حق این ایالت برای اجرای قوانین و مقررات مخابراتی خود ایجاد کرد. وضعیت AT T به عنوان حامل آخرین اقامتگاه در کال...

ترامپ برای انتقال مراکز داده هوش مصنوعی به خارج از ایالات متحده «مالیات فوق العاده» را تهدید کرد
فناوری و AI ۲۹ آبان • ۲۲:۲۰

ترامپ برای انتقال مراکز داده هوش مصنوعی به خارج از ایالات متحده «مالیات فوق العاده» را تهدید کرد

رئیس جمهور دونالد ترامپ وعده داده است که "مالیات بسیار زیادی" بر شرکت هایی که مراکز داده در خارج از ایالات متحده می سازند، اعمال کند، حتی در شرایطی که ایالت ها و شهرهای سراسر کشور محدودیت هایی را برای برنامه های جدید برای ساخت آنها اعمال می کنند. ترامپ روز جمعه پس از نش...

آلمان و اتریش خواستار واگذاری مالکیت تیک‌تاک به شرکت‌های اروپایی شدند
فناوری و AI ۲۹ آبان • ۱۷:۰۶

آلمان و اتریش خواستار واگذاری مالکیت تیک‌تاک به شرکت‌های اروپایی شدند

البته این پیشنهاد فعلا با استقبال چندانی از سوی کمیسیون اروپا روبه‌رو نشده است. The post آلمان و اتریش خواستار واگذاری مالکیت تیک‌تاک به شرکت‌های اروپایی شدند appeared first on دیجیاتو . دیجیاتو را در گوگل بیشتر ببینید کپی لینک 0 در دیجیاتو ثبت‌نام کنید جهت بهره‌مندی و ...