“bilimsel simülasyon” için sonuçlar
4 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.
GPU'larda Seyrek Matris İşlemlerini Hızlandıran Yeni Yöntem: AsyncSparse
Araştırmacılar, bilimsel hesaplama ve makine öğrenmesinin temelini oluşturan seyrek matris çarpımı işlemlerini büyük ölçüde hızlandıran yeni bir yöntem geliştirdi. AsyncSparse adlı bu sistem, modern GPU mimarilerinin eşzamansız özelliklerini kullanarak performansı dramatik şekilde artırıyor. Özellikle NVIDIA'nın Tensor Memory Accelerator teknolojisi ve warp uzmanlaşması gibi gelişmiş özellikleri kullanan yöntem, mevcut sistemlere göre 6 kata kadar performans artışı sağlıyor. Geliştirilen iki farklı çekirdek tasarımı, hem yapılandırılmış hem de düzensiz seyreklik türleri için optimize edilmiş çözümler sunuyor. Bu gelişme, yapay zeka hesaplamalarından bilimsel simülasyonlara kadar geniş bir uygulama yelpazesinde önemli hız kazanımları vaat ediyor.
ENTIRE: Yapay Zeka ile 3D Görüntü İşleme Süresi Tahmin Etme Devri
Araştırmacılar, 3D hacimsel görüntülerin işlenme süresini önceden tahmin edebilen ENTIRE adlı yapay zeka sistemini geliştirdi. Bu sistem, büyük veri setlerinin görselleştirilmesinde kritik olan işlem süresini, görüntü çözünürlüğü, kamera ayarları ve veri karakteristikleri gibi faktörleri analiz ederek yüksek doğrulukla öngörebiliyor. Tıbbi görüntüleme, bilimsel simülasyonlar ve endüstriyel tasarımda kullanılan hacimsel renderlamada zaman planlaması büyük önem taşıyor. ENTIRE, hem CPU hem de GPU tabanlı sistemlerde test edildi ve farklı senaryolara hızla adapte olabileceği kanıtlandı.
Bilimsel Simülasyonlar İçin Yeni Yapay Zeka Sıkıştırma Yöntemi Geliştirildi
Araştırmacılar, bilimsel simülasyon verilerini gerçek zamanlı olarak sıkıştırabilen yenilikçi bir yapay zeka sistemi geliştirdi. Sistem, implicit neural representation teknolojisi kullanarak veri kaybını minimize ederken yüksek sıkıştırma oranları elde ediyor. Özellikle iki ve üç boyutlu karmaşık simülasyon verileri üzerinde test edilen yöntem, geleneksel sıkıştırma tekniklerine göre üstün performans sergiledi. Çalışma, büyük ölçekli bilimsel hesaplamaların depolama ve aktarım sorunlarına çözüm sunuyor.