Clarkson Üniversitesi araştırmacıları, karmaşık ve kaotik sistemleri yöneten matematiksel denklemleri doğrudan verilerden ortaya çıkarabilen bir yapay zeka aracı geliştirdi. KANDy (Kolmogorov-Arnold Networks for Dynamics’in kısaltması) olarak adlandırılan teknoloji, bilim adamlarının gürültülü, doğrusal olmayan veya son derece öngörülemez oldukları için geleneksel yöntemlerle tanımlanması zor olan sistemleri anlamalarına yardımcı olmak için tasarlandı.
Çoğu yapay zeka modeli tahminlerde bulunma konusunda başarılıdır ancak genellikle “kara kutular” olarak çalışır ve neden öyle davrandıklarına dair çok az fikir verir. KANDy farklı bir yaklaşım benimsiyor. KANDy, yalnızca gelecekteki eylemlere ilişkin tahminler sunmak yerine, bu olguyu yöneten denklemleri anlamayı amaçlıyor.
Araştırmacılar KANDy verilerini karmaşık bir fiziksel sistemden besleyebilir ve model, bu sistemin davranışını yönlendiren matematiksel kuralları belirlemeye çalışır. Sonuç, hem öngörücü hem de yorumlanabilir bir yapay zeka modelidir.
Yeni çerçeve, Kolmogorov-Arnold Ağları veya KAN’lar olarak bilinen bir sinir ağı sınıfına dayanıyor. Araştırmacılar, teknolojiyi özellikle dinamik sistemler için uyarlayarak, mevcut denklem bulma yöntemlerinin başarısız olduğu durumlarda bile geçerli denklemleri keşfetme kapasitesine sahip bir model oluşturdular.
Çalışma şu anda mevcut arXiv ön baskı sunucusu, KANDy’yi ayrık ve sürekli dinamik sistemler ve kaotik kısmi diferansiyel denklemler dahil olmak üzere çeşitli zorlu problemler üzerinde test eden Erik Bollt liderliğindeki Araştırma Görevlisi Kevin Slote ve Elektrik ve Bilgisayar Mühendisliği Araştırma Görevlisi Jeremie Fish tarafından gerçekleştirildi.
Model aynı zamanda Hopf fibrasyonu olarak bilinen matematiksel bir nesnedeki önemli topolojik yapıyı da başarılı bir şekilde kurtardı ve karmaşık sistemlerin daha derin özelliklerini yakalama yeteneğini gösterdi.
Araştırma, KANDy’nin doğrusal olmayan dinamik sistemlerin veri odaklı modelleme potansiyelini vurgulayarak bilim insanlarına ve mühendislere, gözlemlenen verilerden karmaşık fiziksel olayları anlamak için yeni bir araç sağlıyor.
KANDy yazılımını kurmak ve denemek için GitHub’daki kurulum talimatlarına bakın.
Lisa Kilit
BA sanat tarihi, MA maddi kültür. Eski müze editörü, sağlık görevlisi ve organ nakli koordinatörü. 2021’den beri Science X için editörlük yapıyorum.
Tam profil →
Andrew Zinin
Araştırma deneyimi olan fizik alanında yüksek lisans. Uzun süredir bilim haberlerinin meraklısıyım. Science X’in editoryal başarısında anahtar rol oynar.
Tam profil →
