Nowe ramy sztucznej inteligencji o nazwie DIMON (Diffeomorphic Mapping Operator Learning) znacznie przyspieszają proces rozwiązywania skomplikowanych problemów matematycznych, które tradycyjnie wymagają superkomputerów, czyniąc je rozwiązywalnymi na komputerach osobistych. Ten model AI jest szczególnie skuteczny w dziedzinach inżynieryjnych i naukowych, które wykorzystują równania różniczkowe cząstkowe (PDE) do zrozumienia, jak obiekty reagują na różne siły, kształty i warunki w czasie. DIMON może zrewolucjonizować sposób, w jaki inżynierowie modelują deformacje, prądy elektryczne i dynamikę płynów w różnych geometriach, takich jak scenariusze zderzeń lub badania medyczne, na przykład w badaniu arytmii serca. Umożliwia szybkie prognozy dzięki wykorzystaniu AI do poznawania wzorców zachowań, eliminując potrzebę ponownego obliczania dla każdego nowego kształtu i umożliwiając rozwiązania, które wcześniej zajmowały godziny lub tygodnie, zrealizować w ciągu sekund. Badania prowadzone współprzez Natalię Trayanovą z Uniwersytetu Johnsa Hopkinsa wykazały szerokie zastosowanie tych ram, testując je na ponad 1000 cyfrowych bliźniakach serca, osiągając szybkie i dokładne przewidywania propagacji sygnałów elektrycznych.

Szybkość i wydajność DIMON sprawiają, że jest ono praktyczne w rzeczywistych klinicznych procesach, znacznie skracając czas potrzebny na diagnozy i planowanie leczenia kardiologicznego. Twórcy Minglang Yin i inni wskazują, że zdolność DIMON do rozwiązywania PDE w różnych kształtach czyni go wszechstronnym narzędziem dla różnorodnych zadań inżynieryjnych poza kardiologią, w tym optymalizacji projektowania i modelowania scenariuszy, w których kształty stale się zmieniają. Wspierane przez różne granty od organizacji takich jak NIH, NSF i Departament Energii USA, badania te stanowią znaczący postęp w modelowaniu obliczeniowym w wielu dziedzinach naukowych.