AI Breakthrough memecahkan matematika superkomputer pada PC desktop dalam hitungan detik

Solusi teknologi yang dapat beradaptasi memiliki potensi untuk merevolusi desain teknik.

Terobosan masuk kecerdasan buatan memungkinkan untuk memodelkan sistem yang kompleks – seperti bagaimana mobil berubah bentuk dalam tabrakan, bagaimana pesawat ruang angkasa mengalami kondisi ekstrem, atau bagaimana jembatan menahan stres – dengan kecepatan ribuan kali lebih cepat dari sebelumnya. Inovasi ini memungkinkan komputer pribadi untuk mengatasi masalah matematika besar -besaran yang pernah menuntut kekuatan superkomputer.

Kerangka kerja AI yang baru menawarkan metode yang serba guna dan efisien untuk memprediksi solusi untuk menantang persamaan matematika. Persamaan ini sangat penting untuk pemodelan fenomena seperti aliran fluida atau perilaku arus listrik di berbagai geometri, yang biasa ditemui dalam uji teknik dan desain.

Kerangka kerja AI revolusioner: Dimon

Detail tentang penelitian ini muncul Ilmu Komputasi Alam.

Disebut Dimon (Pembelajaran Operator Pemetaan Diffeomorphic), kerangka kerja memecahkan masalah matematika di mana -mana yang dikenal sebagai persamaan diferensial parsial yang hadir dalam hampir semua penelitian ilmiah dan teknik. Dengan menggunakan persamaan ini, para peneliti dapat menerjemahkan sistem atau proses dunia nyata ke dalam representasi matematika tentang bagaimana objek atau lingkungan akan berubah dari waktu dan ruang.

“Sementara motivasi untuk mengembangkannya berasal dari pekerjaan kami sendiri, ini adalah solusi yang kami pikir umumnya akan memiliki dampak besar pada berbagai bidang teknik karena sangat umum dan dapat diskalakan,” kata Natalia Trayanova, rekayasa biomedis Universitas Johns Hopkins dan Universitas Biomedis dan Universitas Johns dan rekayasa biomedis Universitas dan Universitas Johns dan Universitas Hopkins dan Universitas Johns Hopkins dan Universitas Hopkins dan Universitas Hopkins dan Universitas Biomedis dan Universitas Johns Hopkins dan Universitas Hopkins dan Universitas Biomedis dan Universitas Johns Hopkins dan Universitas Hopkins dan Universitas Johns Hopkins dan Universitas Hopkins dan Johns Hopkins University dan University Hopkins University Hopkins Johns Hopkins Profesor Kedokteran yang ikut memimpin penelitian. “Ini pada dasarnya dapat bekerja pada masalah apa pun, dalam domain sains atau teknik apa pun, untuk memecahkan persamaan diferensial parsial pada geometri beberapa, seperti dalam pengujian kecelakaan, penelitian ortopedi, atau masalah kompleks lainnya di mana bentuk, kekuatan, dan perubahan bahan.”

Pengujian Dunia Nyata tentang “Digital Kembar”

Selain menunjukkan penerapan dimon dalam memecahkan masalah teknik lainnya, tim Trayanova menguji AI baru pada lebih dari 1.000 hati “kembar digital,” model komputer yang sangat rinci dari hati pasien nyata. Platform ini mampu memprediksi bagaimana sinyal listrik diperbanyak melalui setiap bentuk jantung yang unik, mencapai prognostik tinggi ketepatan.

Tim Trayanova mengandalkan pemecahan persamaan diferensial parsial untuk mempelajari aritmia jantung, yang merupakan perilaku impuls listrik di jantung yang menyebabkan pemukulan yang tidak teratur. Dengan kembar digital jantung mereka, para peneliti dapat mendiagnosis apakah pasien dapat mengembangkan kondisi yang sering fatal dan merekomendasikan cara untuk mengobatinya.

“Kami membawa teknologi baru ke dalam klinik, tetapi banyak solusi kami sangat lambat sehingga kami membutuhkan waktu sekitar satu minggu sejak kami memindai jantung pasien dan menyelesaikan persamaan diferensial parsial untuk memprediksi apakah pasien berisiko tinggi untuk tiba -tiba Kematian Jantung dan Apa Rencana Perawatan Terbaik, ”kata Trayanova, yang mengarahkan Johns Hopkins Alliance untuk inovasi diagnostik dan pengobatan kardiovaskular. “Dengan pendekatan AI baru ini, kecepatan di mana kita dapat memiliki solusi tidak bisa dipercaya. Waktu untuk menghitung prediksi kembar digital jantung akan berkurang dari berjam -jam menjadi 30 detik, dan itu akan dilakukan pada komputer desktop daripada pada superkomputer, yang memungkinkan kita untuk menjadikannya bagian dari alur kerja klinis harian. “

Mengatasi tantangan komputasi dalam rekayasa

Persamaan diferensial parsial umumnya diselesaikan dengan memecahkan bentuk kompleks seperti sayap pesawat atau organ tubuh menjadi kisi atau jerat yang terbuat dari elemen kecil. Masalahnya kemudian diselesaikan pada setiap bagian sederhana dan digabungkan kembali. Tetapi jika bentuk -bentuk ini berubah – seperti dalam kerusakan atau deformasi – kisi -kisi harus diperbarui dan solusinya dihitung ulang, yang dapat secara komputasi lambat dan mahal.

Dimon memecahkan masalah itu dengan menggunakan AI untuk memahami bagaimana sistem fisik berperilaku di berbagai bentuk, tanpa perlu menghitung ulang semuanya dari awal untuk setiap bentuk baru. Alih -alih membagi bentuk menjadi kisi -kisi dan memecahkan persamaan berulang -ulang, AI memprediksi bagaimana faktor -faktor seperti panas, stres, atau gerakan akan berperilaku berdasarkan pola yang telah dipelajari, membuatnya jauh lebih cepat dan lebih efisien dalam tugas -tugas seperti mengoptimalkan desain atau bentuk pemodelan skenario spesifik.

Tim ini memasukkan ke dalam kerangka kerja dimon patologi jantung yang mengarah ke aritmia. Karena keserbagunaannya, teknologinya dapat diterapkan untuk membentuk optimasi dan banyak tugas teknik lainnya di mana memecahkan persamaan diferensial parsial pada bentuk -bentuk baru berulang kali diperlukan, kata Minglang Yin, seorang rekan pascattoral teknik biomedis Johns Hopkins yang mengembangkan platform.

“Untuk setiap masalah, Dimon pertama memecahkan persamaan diferensial parsial pada bentuk tunggal dan kemudian memetakan solusi untuk beberapa bentuk baru. Kemampuan pemindahan bentuk ini menyoroti keserbagunaannya yang luar biasa, ”kata Yin. “Kami sangat bersemangat untuk mengerjakannya pada banyak masalah serta memberikannya kepada komunitas yang lebih luas untuk mempercepat solusi desain teknik mereka.”

Referensi: “Kerangka kerja yang dapat diskalakan untuk mempelajari operator solusi yang bergantung pada geometri dari persamaan diferensial parsial” oleh Minglang Yin, Nicolas Charon, Ryan Brody, Lu Lu, Natalia Trayanova dan Mauro Maggioni, 9 Desember 2024, Ilmu Komputasi Alam.
Doi: 10.1038/s43588-024-00732-2

Penulis lain adalah Nicolas Charon dari University of Houston, Ryan Brody dan Mauro Maggioni (co-lead) dari Johns Hopkins, dan Lu Lu of Universitas Yale.

Pekerjaan ini didukung oleh hibah NIH R01HL166759 dan R01HL174440; hibah dari yayasan LEDUCQ; Persekutuan Masyarakat Ritme Jantung; Departemen Energi AS Hibah DE-SC0025592 dan DE-SC0025593; Hibah NSF DMS-2347833, DMS-1945224, dan DMS-2436738; dan Penghargaan Laboratorium Penelitian Angkatan Udara FA9550-20-1-0288, FA9550-21-1-0317, dan FA9550-23-1-0445.