Um novo framework de inteligência artificial chamado DIMON (Diffeomorphic Mapping Operator Learning) acelera dramaticamente o processo de resolução de problemas matemáticos complexos, que tradicionalmente exigem supercomputadores, tornando-os solucionáveis em computadores pessoais. Este modelo de IA é especialmente eficaz em campos de engenharia e ciência que utilizam equações diferenciais parciais (PDEs) para entender como os objetos respondem a várias forças, formas e condições ao longo do tempo. DIMON pode transformar como engenheiros modelam deformações, correntes elétricas e dinâmicas de fluidos em diferentes geometrias, como cenários de colisão ou pesquisa médica, como no estudo de arritmias cardíacas. Ele permite previsões rápidas ao usar IA para aprender padrões de comportamento, eliminando a necessidade de recalcular para cada nova forma e permitindo que soluções que antes levavam horas ou semanas sejam concluídas em segundos. Co-liderada por Natalia Trayanova, da Universidade Johns Hopkins, a pesquisa mostrou a ampla aplicabilidade do framework ao testá-lo em mais de 1. 000 gêmeos digitais de coração, alcançando previsões rápidas e precisas de propagação de sinais elétricos.

A velocidade e eficiência do DIMON o tornam prático para fluxos de trabalho clínicos do mundo real, reduzindo significativamente o tempo necessário para diagnósticos cardíacos e planejamento de tratamento. Desenvolvedores como Minglang Yin e outros indicam que a capacidade do DIMON de resolver PDEs em várias formas o torna versátil o suficiente para diversas tarefas de engenharia além da cardiologia, incluindo otimização de design e modelagem de cenários onde as formas estão em constante mudança. Apoiado por vários subsídios de organizações como o NIH, NSF e o Departamento de Energia dos EUA, esta pesquisa representa um avanço significativo na modelagem computacional em múltiplos domínios científicos.