Новый искусственный интеллект решает сложные инженерные задачи быстрее, чем суперкомпьютеры

  • Пользователь Алексей Коровин опубликовал
  • 28 января 2025 г., 3:27:07 MSK
  • 0 комментариев
  • 12 просмотров
Моделирование того, как деформируются автомобили в результате аварии, как космический корабль реагирует на экстремальные условия или как мосты выдерживают нагрузку, может быть выполнено в тысячи раз быстрее благодаря новому искусственному интеллекту, который позволяет персональным компьютерам решать сложные математические задачи, для решения которых обычно требуются суперкомпьютеры.

Моделирование того, как деформируются автомобили в результате аварии, как космический корабль реагирует на экстремальные условия или как мосты выдерживают нагрузку, может быть выполнено в тысячи раз быстрее благодаря новому искусственному интеллекту, который позволяет персональным компьютерам решать сложные математические задачи, для решения которых обычно требуются суперкомпьютеры.

Новая платформа искусственного интеллекта - это универсальный подход, который позволяет быстро прогнозировать решения сложных и трудоемких математических уравнений, необходимых для создания моделей распространения жидкостей или электрических токов в различных геометрических формах, подобных тем, которые используются при стандартном инженерном тестировании.

Подробная информация об исследовании приведена в разделе Вычислительная наука о природе.

Платформа, получившая название DIMON (Diffeomorphic Mapping Operator Learning), решает распространенные математические задачи, известные как уравнения в частных производных, которые присутствуют почти во всех научных и инженерных исследованиях. Используя эти уравнения, исследователи могут преобразовать реальные системы или процессы в математические представления о том, как объекты или окружающая среда будут меняться во времени и пространстве.

"Хотя мотивация к его разработке возникла в результате нашей собственной работы, мы считаем, что это решение окажет огромное влияние на различные области инженерии, поскольку оно очень универсальное и масштабируемое", - сказала Наталья Траянова, профессор биомедицинской инженерии и медицины Университета Джона Хопкинса, которая руководила исследованием. "Он может работать практически над любой задачей, в любой области науки или техники, для решения дифференциальных уравнений в частных производных в различных геометриях, например, при краш-тестировании, ортопедических исследованиях или других сложных задачах, где меняются формы, силы и материалы".

Помимо демонстрации применимости DIMON для решения других инженерных задач, команда Траяновой протестировала новый искусственный интеллект на более чем 1000 "цифровых двойниках" сердца - высокодетализированных компьютерных моделях сердец реальных пациентов. Платформа смогла предсказать, как электрические сигналы распространяются по каждой уникальной форме сердца, достигнув высокой точности прогнозирования.

Команда Траяновой использует решение дифференциальных уравнений в частных производных для изучения сердечной аритмии, которая представляет собой нарушение работы электрических импульсов в сердце, вызывающее нерегулярное сердцебиение. С помощью своих цифровых двойников heart исследователи могут диагностировать вероятность развития у пациентов этого заболевания, которое часто приводит к летальному исходу, и рекомендовать способы его лечения.

"Мы внедряем в клинику новейшие технологии, но многие из наших решений работают настолько медленно, что нам требуется около недели с момента сканирования сердца пациента и решения дифференциальных уравнений в частных производных, чтобы предсказать, подвержен ли пациент высокому риску внезапной сердечной смерти и каков наилучший план лечения," - сказала Траянова, которая руководит Альянсом Джона Хопкинса по инновациям в диагностике и лечении сердечно-сосудистых заболеваний. "Благодаря этому новому подходу к искусственному интеллекту скорость, с которой мы можем найти решение, просто невероятна. Время на расчет прогноза состояния сердца цифрового двойника сократится с нескольких часов до 30 секунд, и это будет выполняться на настольном компьютере, а не на суперкомпьютере, что позволит нам сделать это частью ежедневного клинического рабочего процесса".

Уравнения с частными производными обычно решаются путем разбиения сложных фигур, таких как крылья самолета или органы тела, на сетки, состоящие из мелких элементов. Затем задача решается на каждом простом элементе и повторно объединяется. Но если эти формы изменяются, например, при авариях или деформациях, сетки необходимо обновлять, а решения пересчитывать, что может быть медленным и дорогостоящим процессом с точки зрения вычислений.

ДАЙМОН решает эту проблему, используя искусственный интеллект для понимания того, как физические системы ведут себя в различных формах, без необходимости пересчитывать все с нуля для каждой новой формы. Вместо того чтобы разбивать фигуры на сетки и снова и снова решать уравнения, искусственный интеллект предсказывает, как поведут себя такие факторы, как высокая температура, стресс или движение, на основе изученных шаблонов, что делает его намного быстрее и эффективнее в таких задачах, как оптимизация дизайна или моделирование сценариев, зависящих от формы.

Команда ученых внедряет в систему DIMON патологию сердца, которая приводит к аритмии. "Благодаря своей универсальности технология может быть применена для оптимизации формы и многих других инженерных задач, где постоянно требуется решение дифференциальных уравнений в частных производных для новых форм", - сказал Мингланг Инь, аспирант по биомедицинской инженерии Университета Джона Хопкинса, который разработал платформу.

"Для каждой задачи ДАЙМОН сначала решает уравнения в частных производных для одной фигуры, а затем сопоставляет решение с несколькими новыми фигурами. Эта способность изменять форму подчеркивает его огромную универсальность", - сказал Инь. "Мы очень рады использовать его для решения многих проблем, а также предоставить его более широкому сообществу для ускорения их инженерно-конструкторских решений".

Другими авторами являются Николас Харон из Хьюстонского университета, Райан Броуди и Мауро Маджиони (соруководители) из Университета Джона Хопкинса, а также Лу Лу из Йельского университета.

Эта работа поддержана грантами NIH R01HL166759 и R01HL174440; грантом Фонда Ледука; стипендией Общества сердечного ритма; грантами Министерства энергетики США DE-SC0025592 и DE-SC0025593; грантами NSF DMS-2347833, DMS-1945224 и DMS-2436738; и наградами Исследовательской лаборатории ВВС FA9550.-20-1-0288, FA9550-21-1-0317 и FA9550-23-1-0445.

Комментарии

0 комментариев