AIGC動態歡迎閱讀

原標題：麻省理工學院和 IBM 找到了聰明的人工智能方法以解決數學問題
關鍵字：神經網絡,模型,方程,物理,數據
文章來源：AI范兒
內容字數：2425字

內容摘要：

點擊上方藍字關注我們“最新研究展示了一種性方法，通過結合物理模擬器訓練的神經網絡，以前所未有的效率和精確度解決自然科學的基礎方程，如偏微分方程。這項技術，被稱為物理增強深度替代模型（PEDS），在需求的訓練數據量上實現了至少100倍的降低，同時保持了高準確性，為天氣預報、碳捕集等多個領域的研究和應用開辟了新途徑。自艾薩克·牛頓時代以來，自然科學的許多基本定律，如光學、聲學、工程學及電子學等，都已被抽象成一系列重要的廣義方程。最新研究揭示了一種革新方法，即通過模仿大腦工作原理的神經網絡，以前所未有的效率解決這些復雜方程，為科學研究及工程應用帶來了新的可能性。
在現代科學和工程界，偏微分方程是用來模擬那些在空間和時間上發生多重變化的復雜物理系統的工具。這類方程能夠描述諸如飛機機翼周圍的氣流、空氣污染物的擴散，甚至是恒星向黑洞的演化等現象。
長久以來，科學家們為了求解這些復雜的方程，主要依賴于高精度的數值解法，這不僅耗費大量時間，還需要龐大的計算資源。但最近的研究提供了一種更為高效的備選方案，即利用數據驅動的模型，如神經網絡，來預測這些方程的解。然而，這些模型需要大量的訓練數據，而且隨著

原文鏈接：麻省理工學院和 IBM 找到了聰明的人工智能方法以解決數學問題

聯系作者

文章來源：AI范兒
作者微信：AI_Insights
作者簡介：智能未來，始于Prompt！