Новий AI обчислює складні рівняння швидше за суперкомп’ютери

Група дослідників з Університету Джонса Гопкінса розробила штучний інтелект, який здатний швидко вирішувати складні диференціальні рівняння, необхідні для створення математичних моделей у різних галузях. Новий метод, названий Diffeomorphic Mapping Operator Learning (DIMON), працює значно швидше за традиційні обчислювальні підходи, випереджаючи навіть суперкомп’ютери, і може виконувати складні розрахунки на звичайному персональному комп’ютері.

Диференціальні рівняння є основою для математичного моделювання у фізиці, інженерії, медицині та багатьох інших галузях. Вони використовуються для прогнозування поведінки рідин, електричних струмів, руху повітря навколо крила літака, деформацій будівельних конструкцій під навантаженням, а також змін форми автомобільного кузова під час зіткнення. Зазвичай такі розрахунки займають багато часу і вимагають надпотужних обчислювальних ресурсів.

Проте нова AI-методика DIMON дозволяє вирішувати такі рівняння значно швидше, використовуючи альтернативний підхід до моделювання фізичних процесів. Замість того, щоб кожного разу розбивати складні геометричні форми на дрібні елементи та перераховувати їхню взаємодію, як це роблять класичні алгоритми, DIMON навчається розпізнавати закономірності та переносити розв’язки з однієї форми на інші.

«Це рішення може мати величезний вплив на різні галузі інженерії, оскільки воно універсальне і масштабоване», — зазначає Наталія Траянова, професорка біомедичної інженерії та медицини, яка очолювала дослідження. «DIMON можна застосовувати у будь-якій науковій чи інженерній сфері для розв’язання диференціальних рівнянь у складних геометріях — від тестування міцності конструкцій до медичних досліджень».

Щоб перевірити ефективність нового методу, дослідники протестували його на 1 000 цифрових моделей людських сердець, так званих «цифрових двійників». DIMON успішно передбачив поширення електричних імпульсів через різні форми серця, включаючи випадки аритмії.

«У клінічній практиці багато наших рішень занадто повільні. Наприклад, зараз нам потрібно близько тижня, щоб проаналізувати сканування серця пацієнта і передбачити ризик раптової серцевої смерті», — пояснює Траянова, яка також є керівницею Альянсу з діагностики та лікування серцево-судинних захворювань в Університеті Джонса Гопкінса.

«Завдяки новому AI-методу швидкість розрахунків збільшиться у сотні разів: замість кількох годин ми зможемо отримати результат за 30 секунд. Це означає, що обчислення можна буде виконувати безпосередньо на робочому комп’ютері лікаря, що дає змогу інтегрувати технологію у повсякденну медичну практику».

Один із ключових аспектів успіху DIMON — його здатність до навчання на одному наборі даних і перенесення отриманих знань на інші випадки. «Для кожного завдання DIMON спочатку вирішує диференціальні рівняння для однієї геометрії, а потім застосовує ці розв’язки до нових форм», — пояснює Мінлан Їнь, співавтор дослідження.

Цей підхід відкриває широкі можливості для використання AI у проєктуванні складних об’єктів. Наприклад, в авіабудуванні новий метод може прискорити розробку більш аеродинамічних літаків, у машинобудуванні — оптимізувати конструкції кузовів, а в ортопедії — покращити підбір імплантів для пацієнтів.

Юлія Ґель, директорка програми у відділі математичних наук Національного наукового фонду США, зазначає, що методика DIMON особливо корисна для аналізу невеликих наборів даних, що є серйозною перешкодою для широкого впровадження цифрових двійників у медицині.

«Такі дослідження демонструють величезний потенціал цифрових двійників і штучного інтелекту у медичній сфері та багатьох інших галузях», — додає Девід Мандершайд, директор відділу математичних наук NSF.

Розробники наголошують, що метод DIMON буде доступним для широкої наукової спільноти, щоб інженери та дослідники могли застосовувати його для прискорення своїх проєктів. «Ми дуже раді тому, що DIMON можна використовувати у багатьох сферах, і прагнемо зробити його інструментом для всіх, хто працює з математичним моделюванням», — підсумовує Їнь.

Впровадження цієї технології може кардинально змінити підхід до розрахунків у науці та інженерії, зробивши складні моделі доступнішими та ефективнішими без необхідності вартісного суперкомп’ютерного обладнання.