Malzeme biliminde devrim yaratabilecek yeni bir yapay zeka yaklaşımı, karmaşık katılaşma süreçlerinin simülasyonunu büyük oranda hızlandırıyor. Araştırmacıların geliştirdiği DeepRitzSplit sistemi, malzemelerin faz değişimlerini modelleyen hesaplamaları geleneksel yöntemlere kıyasla çok daha hızlı gerçekleştiriyor.
Faz-alan modelleri, metallerin katılaşması, kristal büyümesi ve malzeme yapılarındaki değişimleri anlamak için kritik öneme sahip. Ancak bu modeller son derece karmaşık ve çok ölçekli yapıları nedeniyle muazzam hesaplama gücü gerektiriyor. Geleneksel yöntemlerle bir simülasyonun tamamlanması günler hatta haftalar sürebiliyor.
Yeni sistem, Deep Ritz yöntemi olarak bilinen matematiksel yaklaşımı nöral operatörlerle birleştiriyor. Bu hibrit yapı, fiziksel yasaları ihlal etmeden hesaplama hızını dramatik şekilde artırıyor. Araştırmacılar, sistemin enerji dağılımı özelliklerini koruyarak fiziksel gerçekliği garanti altına aldığını belirtiyor.
Özellikle tasarlanan Reaksiyon-Difüzyon Nöral Operatör mimarisi, bu tür problemlerin doğasına uygun şekilde optimize edilmiş. Sistem, malzeme mühendisliğinden iklim modellemesine kadar geniş bir uygulama alanına sahip olabilir.