“akışkanlar dinamiği” için sonuçlar
7 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Yapay zeka ile dinamik sistemlerin kontrolü: Gözlemlenmemiş koşulları tahmin etme
Araştırmacılar, dinamik sistemlerin davranışını daha az veri ile modelleyebilen yeni bir yapay zeka yöntemi geliştirdi. Kontrol Odaklı Küme Tabanlı Ağ Modeli (CNMc) adlı bu sistem, daha önce gözlemlenmemiş işletim koşullarında bile sistemlerin nasıl davranacağını tahmin edebiliyor. Geleneksel yöntemler sadece önceden görülen durumları modelleyebilirken, CNMc supervised öğrenme teknikleriyle kontrol parametrelerinin fonksiyonları olarak geçiş olasılıklarını ve geçiş sürelerini öğreniyor. Sistemin temelinde, farklı işletim koşullarının durum uzaylarını ortak bir koordinat sistemine eşleyen Procrustes dönüşümü var. Bu sayede tüm koşullardaki yörüngeler standartlaştırılabiliyor ve ortak bir küme bölümlemesi öğrenilebiliyor. Akışkanlar dinamiği alanındaki testlerde başarılı sonuçlar veren sistem, mühendislik ve bilimsel simülasyonlarda önemli zaman tasarrufu sağlayabilir.
Yapay Zeka ve Fizik Simülasyonlarını Birleştiren Yeni Hibrit Framework Geliştirildi
Araştırmacılar, akışkanlar dinamiği simülasyonlarında yapay zekanın hızını ve fiziksel çözücülerin doğruluğunu birleştiren XRePIT adlı yeni bir hibrit framework geliştirdi. OpenFOAM tabanlı bu sistem, sinir ağı modelleriyle geleneksel sayısal çözücüleri otomatik olarak geçiş yaparak birleştiriyor. Yapay zeka modelleri hızlı hesaplama sağlarken, uzun vadeli simülasyonlarda ortaya çıkan hata birikimi ve fiziksel sapma sorunlarını çözmek için belirli eşik değerlere ulaşıldığında sistem otomatik olarak fizik tabanlı çözücülere geçiş yapıyor. 3D sıcaklık kaynaklı akış simülasyonlarında test edilen framework, uzun süreli kararlı simülasyonlar gerçekleştirebiliyor.
Yapay Zeka Yarış Arabası Tasarımını Hızlandırıyor
Yarış arabası aerodinamiği geliştirmek için kullanılan Hesaplamalı Akışkanlar Dinamiği (CFD) simülasyonları, on binlerce saat işlemci gücü gerektirdiği için tasarım sürecini ciddi şekilde yavaşlatıyor. Bu sorunu çözmek için araştırmacılar, yapay zeka tabanlı vekil modeller geliştirdi. Yeni çalışmada, LMP2 sınıfı yarış arabalarının parametrik CAD modeli kullanılarak uzmanlar tarafından doğrulanan yüksek kaliteli bir veri seti oluşturuldu. Geliştirilen Gauge-Invariant Spektral model, karmaşık motorsport bileşenlerinin aerodinamik performansını hızla tahmin edebiliyor. Bu yenilik, yarış arabası tasarımcılarının daha geniş tasarım alanlarını keşfetmesine ve geliştirme sürecini önemli ölçüde hızlandırmasına olanak tanıyor. Araştırma, endüstriyel motorsport gereksinimlerini karşılayacak şekilde tasarlanan ilk kapsamlı AI yaklaşımı olarak öne çıkıyor.
Türbülans Simülasyonlarını Hızlandıran Yapay Zeka Destekli Yazılım Paketi
Araştırmacılar, türbülanslı akış simülasyonlarını önemli ölçüde hızlandıran yeni bir açık kaynak yazılım paketi geliştirdi. IncompressibleNavierStokes.jl adlı bu Julia paketi, GPU ve CPU'larda eşzamanlı çalışabilen matrix-free çekirdekler kullanarak sıkışmayan Navier-Stokes denklemlerini çözüyor. Yazılımın en dikkat çekici özelliği, yapay sinir ağı modellerinin doğrudan simülasyon içine gömülebilmesi. Bu sayede türbülans modellemesi için neural network kapanış modelleri eğitilebiliyor. Yazılım, tek bir GPU üzerinde 840³ çözünürlüğe kadar doğrudan sayısal simülasyonlar gerçekleştirebiliyor. Geliştirilen sistem, türbülanslı kanal akışı testlerinde referans verilerle başarıyla doğrulandı. Bu gelişme, hesamalı akışkanlar dinamiği alanında yapay zekanın entegrasyonu açısından önemli bir adım olarak değerlendiriliyor.
Yapay Zeka ile Mikrokanal Akışlarını Haritalamak: μ-FlowNet Modeli
Araştırmacılar, mikroakışkan sistemlerdeki karmaşık sıvı akışlarını analiz etmek için μ-FlowNet adlı yeni bir yapay zeka modeli geliştirdi. Geleneksel hesaplamalı akışkanlar dinamiği yöntemlerinin yoğun işlem gücü gereksinimleri ve uzun simülasyon süreleri nedeniyle yetersiz kaldığı düzensiz şekilli dairesel mikrokanalların akış desenlerini tahmin etmede önemli bir atılım sağlıyor. U-Net tabanlı derin öğrenme mimarisi kullanan model, veri odaklı bir yaklaşımla bu zorlu probleme çözüm sunuyor. Mikroakışkan teknolojisi, medikal tanı, kimyasal analiz ve biyolojik araştırmalarda kritik öneme sahip olduğu için bu gelişme, hem bilimsel araştırmalara hem de endüstriyel uygulamalara önemli katkılar sağlayabilir.
Fizik Denklemlerini Çözen Yapay Zeka Kütüphanesi Geliştirildi
Araştırmacılar, karmaşık fizik problemlerini çözmek için yeni bir Python kütüphanesi geliştirdi. DVF-CRVPINN adlı bu sistem, kısmi diferansiyel denklemleri ayrık zayıf formülasyonlarla çözebiliyor. Sistem, sinir ağlarını kullanarak fizik denklemlerini discrete (ayrık) nokta kümelerinde tanımlamaya ve çözmeye olanak sağlıyor. Özellikle iki boyutlu Stokes denklemleri gibi zorlu hesaplama problemlerine odaklanıyor. Bu gelişme, mühendislik ve fizik alanlarında kompleks hesaplamalı akışkanlar dinamiği problemlerinin daha etkili çözülmesine olanak tanıyor. Geleneksel sayısal yöntemlere alternatif olan bu yaklaşım, otomatik türev alma ve discrete gradyan hesaplamalarını birleştiriyor.
Yapay Zeka Modelleri Artık Geçmişi Unutmadan Yeni Bilgileri Öğrenebilecek
Bilim insanları, yapay zeka modellerinin karşılaştığı en büyük sorunlardan birini çözmek için yeni bir yaklaşım geliştirdi. Geleneksel AI modelleri yeni görevler öğrenirken eskiden öğrendiklerini unutma eğilimindedir - bu duruma 'katastrofik unutma' denir. Araştırmacılar, özellikle akışkanlar dinamiği gibi karmaşık fizik problemleri için tasarlanan SLE-FNO adlı yeni bir mimari sundular. Bu sistem, tek katman uzantısı kullanarak modelin sürekli öğrenme yeteneğini artırıyor ve geçmiş bilgileri kaybetmeden yeni koşullara uyum sağlamasını mümkün kılıyor. Geliştirilen yöntem, farklı geometriler, sınır koşulları veya akış rejimlerindeki değişikliklere karşı daha esnek çözümler sunabiliyor.