麻省理工学院和 IBM 找到了聪明的人工智能方法以解决数学问题

AIGC动态欢迎阅读

原标题：麻省理工学院和 IBM 找到了聪明的人工智能方法以解决数学问题
关键字：神经网络,模型,方程,物理,数据
文章来源：AI范儿
内容字数：2425字

内容摘要：

点击上方蓝字关注我们“最新研究展示了一种性方法，通过结合物理模拟器训练的神经网络，以前所未有的效率和精确度解决自然科学的基础方程，如偏微分方程。这项技术，被称为物理增强深度替代模型（PEDS），在需求的训练数据量上实现了至少100倍的降低，同时保持了高准确性，为天气预报、碳捕集等多个领域的研究和应用开辟了新途径。自艾萨克·牛顿时代以来，自然科学的许多基本定律，如光学、声学、工程学及电子学等，都已被抽象成一系列重要的广义方程。最新研究揭示了一种革新方法，即通过模仿大脑工作原理的神经网络，以前所未有的效率解决这些复杂方程，为科学研究及工程应用带来了新的可能性。
在现代科学和工程界，偏微分方程是用来模拟那些在空间和时间上发生多重变化的复杂物理系统的工具。这类方程能够描述诸如飞机机翼周围的气流、空气污染物的扩散，甚至是恒星向黑洞的演化等现象。
长久以来，科学家们为了求解这些复杂的方程，主要依赖于高精度的数值解法，这不仅耗费大量时间，还需要庞大的计算资源。但最近的研究提供了一种更为高效的备选方案，即利用数据驱动的模型，如神经网络，来预测这些方程的解。然而，这些模型需要大量的训练数据，而且随着

原文链接：麻省理工学院和 IBM 找到了聪明的人工智能方法以解决数学问题