TL;DR
- چکیده: هوش مصنوعی مولد یک پارادایم جدید برای طراحی ماده در فضاهای با ابعاد بالا ارائه میدهد.
- با این حال، مکانیسمهای اساسی آن برای تفسیر و محدود کردن پذیرش در مکانیک محاسباتی دشوار است.
- این شکاف قابل توجه است زیرا ابزارهای اصلی آن - انتشار،.
چه اتفاقی افتاد
چکیده: هوش مصنوعی مولد یک پارادایم جدید برای طراحی ماده در فضاهای با ابعاد بالا ارائه میدهد. با این حال، مکانیسمهای اساسی آن برای تفسیر و محدود کردن پذیرش در مکانیک محاسباتی دشوار است.
این شکاف قابل توجه است زیرا ابزارهای اصلی آن - انتشار،. معادلات دیفرانسیل تصادفی،.
و مسائل معکوس - برای مکانیک مواد اساسی هستند. در اینجا نشان میدهیم که هوش مصنوعی مولد مبتنی بر انتشار و مکانیک محاسباتی ریشه در همان اصول.
دارند. ما این ارتباط را با استفاده از یک برگر سه عنصری بهعنوان یک معیار حداقلی برای طراحی متریال.
در فضایی با ابعاد کم نشان میدهیم،. جایی که هم انتشار رو به جلو و هم معکوس راهحلهای تحلیلی را میپذیرند:.
زنجیرههای مارکوف با وارونگی بیزی در حالت گسسته و فرآیند Ornstein-Uhlenbeck با معکوس بر اساس امتیاز در حالت. پیوسته.
ما این چارچوب را به a گسترش میدهیم فضای طراحی با ابعاد بالا با 146 عنصر و. تنظیمات 8.
9x10^43 ممکن، که در آن راهحلهای تحلیلی غیرقابل حل میشوند. بنابراین ما فرآیندهای معکوس گسسته و پیوسته را با استفاده از مدلهای شبکه عصبی که دینامیک معکوس.
را از دادهها استنباط میکنند،. یاد میگیریم.
ما مدلها را فقط بر روی ۲۲۶۰ دستور غذا آموزش میدهیم و یک میلیون نمونه تولید میکنیم که. ساختار آماری دادهها،.
از جمله شیوع مواد تشکیل دهنده و ترکیب کمیرا نشان میدهد. ما علاوه بر این،.
پنج همبرگر جدید تولید میکنیم و آنها را در یک مطالعه حسی مبتنی بر رستوران با 100 شرکتکننده. تأیید میکنیم،.
که در آن سه همبرگر طراحیشده با هوش مصنوعی از نظر سلیقه،. طعم و بافت کلی بهتر از بیگ مک کلاسیک هستند.
این نتایج مدلسازی مولد مبتنی بر انتشار را بهعنوان یک رویکرد مبتنی بر فیزیکی برای طراحی در فضاهای. با ابعاد بالا ایجاد میکند.
آنها هوش مصنوعی مولد را بهعنوان یک توسعه طبیعی مکانیک محاسباتی با برنامههای کاربردی از همبرگرها به. ماده،.
و ایجاد مسیری به سمت طراحی مولد مبتنی بر داده و فیزیک. صفحه، 14 شکل، 2 جدول مهندسی محاسبات، امور مالی و علوم (cs.
CE)؛ هوش مصنوعی (cs. AI) استناد بهعنوان: (یا v1 [cs.
CE] برای این نسخه) https:. // شده توسط arXiv از طریق DataCite (در انتظار ثبت نام) تاریخچه ارسال از:.
Ellen Kuhl [مشاهده ایمیل] [v1] جمعه،. 3 آوریل 2026،.
19:. 12:.
01 UTC (32,. 242 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.