Уведомления
Авторизуйтесь или зарегистрируйтесь, чтобы оценивать материалы, создавать записи и писать комментарии.
Авторизуясь, вы соглашаетесь с правилами пользования сайтом и даете согласие на обработку персональных данных.
ИИ научился легко решать сложнейшие уравнения, которые описывают устройство Вселенной
Дифференциальные уравнения в частных производных встречаются в самых разных аспектах физико-математического моделирования. Они позволяют рассчитывать состояния весьма сложных систем, но их решение всегда было ресурсоемкой задачей. Благодаря специально созданной нейросети этот процесс значительно ускорился и мощности суперкомпьютеров можно будет перенаправить на другие важные задачи.
Большинство студентов технических специальностей встречают уравнения математической физики (УМФ), или дифференциальные уравнения в частных производных, лишь однажды. Пройдя их во время обучения, об этом сложном, но мощном инструменте почти всегда забывают. И лишь некоторые инженеры используют их регулярно. Речь идет, например, о моделировании воздушных потоков в аэродинамике, описании движения тектонических плит, расчете положения планет или метеорологии.
Как правило, для решения подобных уравнений применяют мощные вычислительные комплексы — суперкомпьютеры или сети распределенных вычислений. Для многих ученых, работающих в не самых богатых на финансирование отраслях, такие расчеты всегда были головной болью. Понимая важность появления нового инструмента для выполнения подобных задач, американские математики и программисты обратились к технологиям искусственного интеллекта.
Коллектив ученых из Калифорнийского технологического института (Caltech) и Университета Пердью разработал высокоэффективный нейросетевой алгоритм для работы с УМФ. При его использовании удалось достичь огромного прироста скорости решения уравнений — в некоторых случаях на несколько порядков. Например, на матрице 256х256 их Нейронный оператор Фурье (Fourier neural operator, FNO) выдал результат за 0,005 секунды при решении уравнений Навье — Стокса. Наиболее распространенный алгоритм, используемый ранее, рассчитывал те же условия за 2,2 секунды.
Эти дифференциальные уравнения встречаются повсеместно — точнее, с их помощью можно описать практически любую динамическую систему. Появление доступного и эффективного метода их решения может существенно продвинуть вперед самые разные области науки. А уж применимость такого «искусственного интеллекта» в инженерных разработках точно не заставит себя ждать. Полное описание своей работы американские ученые опубликовали на портале arXiv.
Нельзя сказать, что создатели FNO первыми догадались решать дифференциальные уравнения в частных производных с помощью нейросетей и машинного обучения. Нет, так делали и раньше. Однако существующие алгоритмы приходилось обучать заново на каждый новый набор вычислений — даже при изменении свойств похожих жидкостей. Разработка ученых из Калтеха и Пердью позволяет выполнить «тренировку» лишь однажды и обсчитывать самые разные модели. Секрет эффективности FNO гениален и одновременно прост.
Основа работы любой нейросети — аппроксимация функции, ее приближение. Искусственный интеллект оперирует в своих вычислениях не точными значениями, а диапазоном величин, который позволяет принять решение или выдать результат, не прибегая к ресурсоемким и сложным уточнениям. Иными словами, нейросети во время обучения вырабатывают упрощенные формулы, результаты которых достаточно точны, чтобы применяться на практике.
Обычно работающие с графиками функций нейросети оперируют значениями в евклидовом пространстве. Для того чтобы упростить задачу, авторы FNO решили не переводить волновые функции в привычные графики, а «научить» алгоритм работать напрямую с преобразованиями Фурье. Это позволило не только прибавить скорость вычислений, но и снизить количество ошибок: их теперь на 30% меньше, чем в прежних алгоритмах.
Существует несколько гипотез о том, как на самом деле древние египтяне строили свои пирамиды. Если о способах возведения монументальных сооружений и инструментах, которые использовали строители, более-менее известно, то о методах доставки блоков и их установки мнения разнятся. Команда французских архитекторов и египтологов изучила ландшафт вокруг самой древней из сохранившихся египетских пирамид — Джосера — и рассказала, как египтяне могли доставлять и поднимать камни для ее строительства.
Эпоксидные смолы известны своей прочностью, устойчивостью к химическим воздействиям и хорошими электрическими свойствами. Такие полимеры используют в качестве основы красок, покрытий, клеев и изоляционных материалов. Однако их применение ограничено высокой вязкостью. Ученые ПНИПУ синтезировали низковязкую, но прочную эпоксидную смолу. Разработка откроет новые горизонты ее использования, избавит от потребности применять разбавители и станет модификатором более высоковязких существующих смол без понижения механических характеристик. Например, клей и краска станут более устойчивыми.
В прошлом ИИ-системы выполняли определенный набор задач, а при появлении новых их нужно было переобучать. На это уходили дополнительные финансовые и вычислительные ресурсы. Открытие лаборатории исследований искусственного интеллекта T-Bank AI Research и Института AIRI меняет ситуацию. Ученые первыми в мире создали модель в области контекстного обучения (In-Context Learning), которая на нескольких примерах сама может учиться новым действиям.
Существует несколько гипотез о том, как на самом деле древние египтяне строили свои пирамиды. Если о способах возведения монументальных сооружений и инструментах, которые использовали строители, более-менее известно, то о методах доставки блоков и их установки мнения разнятся. Команда французских архитекторов и египтологов изучила ландшафт вокруг самой древней из сохранившихся египетских пирамид — Джосера — и рассказала, как египтяне могли доставлять и поднимать камни для ее строительства.
Человек множеством способов загрязняет природу вокруг себя, преимущественно воду. В Мировой океан попадают как отходы с производств, так и тонны пластикового мусора. Все это способно отравлять жизнь морских животных, особенно редких вроде акул. Одним из малоизученных токсичных источников можно назвать наркотики, в частности кокаин. Случайное употребление этого вещества акулами раньше только предполагали, но теперь бразильские биологи нашли прямые доказательства.
Международная команда исследователей с участием ученых из НИУ ВШЭ изучила, как люди, владеющие двумя языками (билингвы), ассоциируют время с пространством. Оказалось, что и в первом, и во втором языке они связывают прошлое с левой частью пространства, а будущее — с правой. При этом чем выше уровень владения вторым языком, тем сильнее выражена эта связь.
Необычный биологический вид, по оценке авторов новой научной работы, пригоден для заселения четвертой планеты без каких-либо предварительных условий — уже в том виде, в котором он существует сейчас. Поскольку речь идет о фотосинтетическом организме, он способен нарабатывать существенное количество кислорода. Интересно, что кандидат на терраформирование Марса сохранил жизнеспособность после месяца в жидком азоте.
Falcon 9 Block 5 впервые за три сотни запусков дал частично неудачный полет. Ракета выводила 20 спутников компании SpaceX, с 15 связь уже пропала, еще пять могут быть потеряны в ближайшее время.
Авторы нового исследования впервые показали, что круглые провалы в лунной поверхности не просто близки к многокилометровым пещерам на естественном спутнике Земли, но и располагают тоннелями, ведущими в глубину.
Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.
ПонятноИз-за нарушений правил сайта на ваш аккаунт были наложены ограничения. Если это ошибка, напишите нам.
ПонятноНаши фильтры обнаружили в ваших действиях признаки накрутки. Отдохните немного и вернитесь к нам позже.
ПонятноМы скоро изучим заявку и свяжемся с Вами по указанной почте в случае положительного исхода. Спасибо за интерес к проекту.
ПонятноМы скоро прочитаем его и свяжемся с Вами по указанной почте. Спасибо за интерес к проекту.
Понятно
Комментарии