MIT ve diğer araştırma kurumlarından bilim insanları, karmaşık kontrol sistemlerindeki arızaları tespit etmek ve düzeltmek için yenilikçi bir yapay zeka yöntemi geliştirdi. Bu yöntem, geleneksel yaklaşımlardan farklı olarak sistemleri bireysel yörüngeler üzerinden değil, olasılık yoğunlukları uzayında analiz ediyor.
Araştırmacılar, Perron-Frobenius operatörleri adı verilen matematiksel araçları kullanarak, farklı arıza senaryolarının sistem davranışını nasıl etkileyeceğini modelliyor. Bu operatörler, Fokker-Planck denkleminin olasılık akış temsilini kullanarak, kesin stokastik marjinalleri yeniden üreten deterministik yapılar oluşturuyor.
Yöntemin en önemli özelliği, arızalı ve normal sistem davranışları arasındaki farkı ölçebilmesi. Bu, 2-Wasserstein metriği adı verilen matematiksel bir araçla gerçekleştiriliyor ve hangi arızaların tespit edilebilir olduğuna dair kesin sınırlar belirleyebiliyor.
Sistem, Flow Map Matching (FMM) adı verilen bir tekniklöl yörünge verilerinden öğreniyor. Bu sayede, hem arızaları tespit edebiliyor hem de sistemin normal duruma nasıl döndürülebileceğini hesaplayabiliyor.
Bu gelişme, otonom araçlar, endüstriyel robotlar ve uzay araçları gibi kritik sistemlerin güvenilirliğini önemli ölçüde artırabilir.