Un nouveau cadre d'intelligence artificielle appelé DIMON (Diffeomorphic Mapping Operator Learning) accélère considérablement le processus de résolution de problèmes mathématiques complexes, qui nécessitaient traditionnellement des superordinateurs, les rendant solvables sur des ordinateurs personnels. Ce modèle d'IA est particulièrement efficace dans les domaines de l'ingénierie et des sciences qui utilisent les équations aux dérivées partielles (EDP) pour comprendre comment les objets réagissent à diverses forces, formes et conditions au fil du temps. DIMON peut transformer la façon dont les ingénieurs modélisent les déformations, les courants électriques et la dynamique des fluides à travers différentes géométries, comme des scénarios de crash ou des recherches médicales, telles que l'étude des arythmies cardiaques. Il permet des prédictions rapides en utilisant l'IA pour apprendre des schémas de comportement, évitant ainsi le besoin de recalculer pour chaque nouvelle forme et permettant que des solutions qui prenaient autrefois des heures ou des semaines soient complétées en quelques secondes. Codirigée par Natalia Trayanova de l'université Johns Hopkins, la recherche a démontré la large applicabilité du cadre en le testant sur plus de 1 000 jumeaux numériques du cœur, obtenant des prédictions rapides et précises de la propagation des signaux électriques.

La rapidité et l'efficacité de DIMON le rendent pratique pour les flux de travail cliniques réels, réduisant considérablement le temps nécessaire pour les diagnostics et la planification des traitements cardiaques. Les développeurs Minglang Yin et d'autres indiquent que la capacité de DIMON à résoudre des EDP sur plusieurs formes le rend suffisamment polyvalent pour diverses tâches d'ingénierie au-delà de la cardiologie, y compris l'optimisation de la conception et la modélisation de scénarios où les formes changent constamment. Soutenue par divers financements d'organisations telles que le NIH, la NSF et le département américain de l'Énergie, cette recherche représente un progrès significatif dans la modélisation computationnelle à travers plusieurs domaines scientifiques.