Un nuevo marco de inteligencia artificial llamado DIMON (Diffeomorphic Mapping Operator Learning) acelera drásticamente el proceso de resolver problemas matemáticos complejos, que tradicionalmente requieren supercomputadoras, haciendo que sean resolubles en computadoras personales. Este modelo de IA es especialmente efectivo en campos de ingeniería y científicos que utilizan ecuaciones diferenciales parciales (PDEs) para entender cómo los objetos responden a diversas fuerzas, formas y condiciones a lo largo del tiempo. DIMON puede transformar cómo los ingenieros modelan deformaciones, corrientes eléctricas y dinámica de fluidos en diferentes geometrías como escenarios de choque o investigación médica, como el estudio de arritmias cardíacas. Permite predicciones rápidas al usar IA para aprender patrones de comportamiento, eliminando la necesidad de recalcular para cada nueva forma y permitiendo que soluciones que antes tomaban horas o semanas se completen en segundos. Codirigido por Natalia Trayanova de la Universidad Johns Hopkins, el estudio mostró la amplia aplicabilidad del marco al probarlo en más de 1, 000 gemelos digitales del corazón, logrando predicciones rápidas y precisas de la propagación de señales eléctricas.

La velocidad y eficiencia de DIMON lo hacen práctico para flujos de trabajo clínicos del mundo real, reduciendo significativamente el tiempo necesario para diagnósticos cardíacos y la planificación del tratamiento. Los desarrolladores Minglang Yin y otros indican que la capacidad de DIMON para resolver PDEs en múltiples formas lo hace lo suficientemente versátil para diversas tareas de ingeniería más allá de la cardiología, incluyendo la optimización de diseño y modelado de escenarios donde las formas cambian constantemente. Apoyado por varias subvenciones de organizaciones como los NIH, NSF y el Departamento de Energía de EE. UU. , esta investigación representa un avance significativo en el modelado computacional en múltiples dominios científicos.