Инженеры часто сталкиваются с проблемой выбора оптимальных решений из множества параметров. Например, при проектировании автомобилей необходимо учесть сотни критериев, от которых зависит безопасность машины. Классические методы оптимизации начинают буксовать, когда приходится работать с таким количеством переменных.
Новая концепция от MIT
Исследователи из MIT предложили инновационный подход к решению подобных задач, применяя так называемую табличную модель-основу. Это мощная система искусственного интеллекта, обученная на обширных наборах табличных данных, которая позволяет мгновенно определять наиболее значимые параметры для оптимизации.
Как объясняет Розен Ю, ведущий автор исследования, их алгоритм способен идентифицировать критические параметры, чтобы сосредоточиться на них и достичь лучших результатов быстрее. Например, если вы хотите улучшить безопасность автомобиля, алгоритм выделит ключевые элементы, которые необходимо оптимизировать.
Преимущества нового подхода
Табличная модель-основа не требует постоянного переобучения, что делает процесс оптимизации более эффективным. В тестах на реальных инженерных задачах, таких как оптимизация энергосистем, метод MIT показал результаты в 10-100 раз быстрее по сравнению с традиционными методами.
Ключевым элементом является использование байесовской оптимизации, которая в сочетании с табличной моделью позволяет сосредоточиться на наиболее важных переменных. Это особенно полезно для сложных задач, таких как разработка новых материалов или открытие лекарств.
Будущее инженерного проектирования
По словам соавтора исследования, профессора Фаеза Ахмеда, новый подход может кардинально изменить методы создания сложных инженерных систем. Это не только решает высокоразмерные задачи, но и делает процесс более доступным для различных отраслей.
Исследование показало, что использование моделей-основ не только для обработки текста или изображений, но и в качестве алгоритмических двигателей для инженерных инструментов, открывает новые горизонты в области проектирования и оптимизации.
