Een nieuw kader voor kunstmatige intelligentie genaamd DIMON (Diffeomorphic Mapping Operator Learning) versnelt aanzienlijk het proces van het oplossen van complexe wiskundige problemen, die traditioneel supercomputers vereisen, waardoor ze oplosbaar worden op personal computers. Dit AI-model is vooral effectief in technische en wetenschappelijke velden die gebruik maken van partiële differentiaalvergelijkingen (PDE's) om te begrijpen hoe objecten reageren op verschillende krachten, vormen en omstandigheden in de tijd. DIMON kan de manier transformeren waarop ingenieurs vervormingen, elektrische stromen en vloeistofdynamica modelleren over verschillende geometrieën, zoals crashscenario's of medisch onderzoek, zoals het bestuderen van hartritmestoornissen. Het maakt snelle voorspellingen mogelijk door AI te gebruiken om gedragspatronen te leren, waardoor de noodzaak om voor elke nieuwe vorm opnieuw te berekenen wordt weggenomen en oplossingen die vroeger uren of weken in beslag namen, binnen enkele seconden kunnen worden voltooid. Onder mede-leiding van Natalia Trayanova van Johns Hopkins University toonde het onderzoek de brede toepasbaarheid van het kader aan door het te testen op meer dan 1. 000 digitale hartdubbels, waarbij snelle en nauwkeurige voorspellingen van de propagatie van elektrische signalen werden bereikt.

De snelheid en efficiëntie van DIMON maken het praktisch voor werkelijke klinische workflows, waardoor de tijd die nodig is voor hartdiagnoses en behandelingsplanning aanzienlijk wordt verkort. Ontwikkelaars zoals Minglang Yin geven aan dat het vermogen van DIMON om PDE's over meerdere vormen op te lossen, het veelzijdig genoeg maakt voor diverse technische taken buiten de cardiologie, zoals ontwerpoptimalisatie en modelleerscenario's waarbij vormen constant veranderen. Ondersteund door verschillende subsidies van organisaties zoals de NIH, NSF en het Amerikaanse Ministerie van Energie, vertegenwoordigt dit onderzoek een belangrijke sprong voorwaarts in computationele modellering over meerdere wetenschappelijke domeinen.