Nýtt gervigreindarkerfi sem kallast DIMON (Diffeomorphic Mapping Operator Learning) flýtir verulega fyrir því að leysa flókin stærðfræðileg verkefni, sem hefðbundið krefjast ofurtölva, þannig að þau verða leysanleg á einkatölvum. Þetta AI-líkan er sérstaklega áhrifaríkt á sviðum verkfræði og vísinda sem nota hlutafleiðujöfnur (PDEs) til að skilja hvernig hlutir bregðast við mismunandi kröftum, formum og aðstæðum yfir tíma. DIMON getur breytt því hvernig verkfræðingar líkja eftir aflögunum, rafstraumum og vökvadýnamík á mismunandi formgerðum eins og árekstraraðstæðum eða læknisfræðilegum rannsóknum, svo sem að rannsaka hjartsláttartruflanir. Það gerir kleift að spá hratt með því að nota gervigreind til að læra hegðunarmynstur, sem eyðir þörfinni á að endurreikna fyrir hvert nýtt form og gerir lausnir sem eitt sinn tóku klukkustundir eða vikur að unnt er að ljúka á sekúndum. Rannsóknin, undir forystu Nataliu Trayanova frá Johns Hopkins háskóla, sýndi fram á víðtækan notkunarmöguleika rammans með því að prófa hann á yfir 1. 000 stafrænum hjartatvíbura og náði skjótum og nákvæmum spám um útbreiðslu rafboða.

Hraði og hagkvæmni DIMON gerir það praktískt fyrir raunstefnulegar klínískar vinnuflæðar, sem dregur verulega úr þeim tíma sem þarf fyrir hjartagreiningar og áætlun á meðferð. Höfundar, þar á meðal Minglang Yin, benda á að hæfni DIMON til að leysa PDEs yfir mörg form geri það nógu fjölhæft til margvíslegra verkfræðiverkefna utan hjartalæknisfræðinnar, þar á meðal hönnunarhagræðingu og líkanagerð á aðstæðum þar sem form breytast stöðugt. Stutt af ýmsum styrkjum frá stofnunum eins og NIH, NSF og Bandaríkjaorkumálaráðuneytinu, táknar þessi rannsókn verulegan stökk í tölvulíkangerð innan margra vísindasviða.