Традиционно для моделирования таких сложных процессов, как деформация автомобиля при аварии, поведение космического аппарата в экстремальных условиях или устойчивость моста к нагрузкам, требовались суперкомпьютеры и значительные временные затраты. Однако, разработанная учеными университета Джонса Хопкинса новая модель искусственного интеллекта под названием DIMON (Diffeomorphic Mapping Operator Learning) полностью меняет правила игры. Прорывная технология позволяет обычным персональным компьютерам справляться с масштабными математическими задачами в тысячи раз быстрее, чем это было возможно ранее.
В основе модели DIMON лежит универсальный алгоритм, способный мгновенно предсказывать решения сложнейших уравнений в частных производных. Эти уникальные уравнения лежат в основе моделирования широкого спектра физических процессов, таких как распространение жидкостей или электрических токов в различных геометрических конфигурациях. Ранее для решения подобных задач инженерам приходилось "разбивать" сложные объекты, будь то крыло самолета или человеческий орган, на множество мелких элементов, что требовало огромных вычислительных мощностей и времени. DIMON же использует принципиально иной подход, основанный на обучении ИИ распознавать паттерны поведения физических систем при изменении их формы.
"Мы изначально создавали эту технологию для собственных нужд, но быстро осознали её колоссальный потенциал для множества инженерных областей", - делится Наталья Траянова, профессор Университета Джонса Хопкинса и один из руководителей проекта. "Универсальность и масштабируемость DIMON позволяют применять его к широчайшему спектру задач, где требуется анализ поведения систем в различных геометриях, будь то краш-тесты, исследования в ортопедии или моделирование сложных процессов с изменяющимися параметрами."
Команда Траяновой на практике доказала эффективность DIMON, протестировав ее на более чем тысяче "цифровых двойников" человеческого сердца - детализированных компьютерных моделях, созданных на основе данных реальных пациентов. ИИ с поразительной точностью предсказал распространение электрических сигналов в каждом уникальном сердце.
В своей работе по изучению сердечной аритмии, исследователи регулярно сталкиваются с необходимостью решения дифференциальных уравнений. Цифровые двойники помогают диагностировать риски развития этого опасного состояния и планировать лечение. Однако, традиционные методы расчета занимали до недели, что существенно ограничивало их применение в клинической практике.
"Внедрение инновационных технологий в медицину часто сдерживается их медлительностью. Теперь, благодаря DIMON, мы можем получить прогноз для цифрового двойника сердца не за неделю, а всего за 30 секунд, причем на обычном компьютере, а не на дорогостоящем суперкомпьютере. Это открывает путь к включению технологии в повседневный рабочий процесс врача", - подчеркивает Траянова.
Классический подход к решению дифференциальных уравнений в частных производных заключается в разбиении сложных объектов на множество простых элементов (сетку) и последовательном решении для каждого из них. При изменении формы объекта, например, при деформации, сетку приходится перестраивать и заново производить все вычисления, что требует значительных временных и вычислительных ресурсов.
DIMON обходит это ограничение, потому что модель обучена понимать поведение физических систем в различных конфигурациях без необходимости полного пересчета для каждой новой формы. Вместо многократного решения уравнений на разных сетках, ИИ прогнозирует поведение системы, основываясь на ранее изученных закономерностях. Это многократно ускоряет и оптимизирует такие процессы, как проектирование конструкций или моделирование сценариев, зависящих от формы объекта.
В настоящее время команда Траяновой работает над интеграцией в DIMON новых моделей сердечных патологий, приводящих к аритмии. Однако, как отмечает разработчик платформы, постдокторант Минглан Инь, возможности DIMON этим не ограничиваются. "DIMON решает уравнения для одной патологией и затем переносит решение на множество других. Эта способность к трансформации открывает путь к его применению в самых разных областях, где требуется оптимизация формы и анализ поведения систем при её изменении. Мы планируем активно использовать DIMON для решения множества задач, а также предоставить к нему доступ широкому научному сообществу."
Среди соавторов исследования - Николя Шарон из Хьюстонского университета, Райан Броди и Мауро Маджони из Университета Джонса Хопкинса, а также Лу Лу из Йельского университета. Их совместная работа знаменует собой важный шаг на пути к демократизации сложных инженерных вычислений, делая их доступными широкому кругу исследователей и инженеров.
