摘要：工程师、科学家和其他人员使用偏微分方程来创建复杂的模型，这些模型可以预测流体、电流或其他力如何穿过或影响各种材料或形状。这些基于方程的模型可以预测任何事情，从飞机机翼周围的空气如何流动，到建筑物在压力下如何弯曲，再到金属车架在碰撞中会变成什么形状。这种计算量很

一种基于人工智能的新方法可以快速解决许多行业广泛使用的复杂数学方程式，并且它在个人计算机上的运行速度比使用超级计算机的传统方法更快。

该项研究由美国国家科学基金会多项资助，并发表在 《自然计算科学》杂志上。

工程师、科学家和其他人员使用偏微分方程来创建复杂的模型，这些模型可以预测流体、电流或其他力如何穿过或影响各种材料或形状。这些基于方程的模型可以预测任何事情，从飞机机翼周围的空气如何流动，到建筑物在压力下如何弯曲，再到金属车架在碰撞中会变成什么形状。这种计算量很大的建模工作非常耗时，通常需要超级计算机来求解所涉及的许多微分方程。

但现在，一种新的基于人工智能的框架——称为微分同胚映射算子学习（DIMON）——能够比使用超级计算机的其他方法更快地解决这些方程，而且它只需使用普通的个人计算机就可以做到这一点。

“我们认为，这一解决方案将对各个工程领域产生巨大影响，因为它非常通用且可扩展，”共同领导这项研究的约翰霍普金斯大学生物医学工程和医学教授 Natalia Trayanova 表示。“它基本上可以解决任何科学或工程领域的任何问题，以解决多个几何图形上的偏微分方程，例如碰撞测试、骨科研究或其他形状、力和材料发生变化的复杂问题。”

除了展示 DIMON 在解决工程问题方面的适用性之外，Trayanova 的团队还使用 1,000 个真实人类心脏的数字模型或“数字孪生”测试了新 AI。DIMON 能够预测电信号如何在每个独特的心脏形状中传播，包括心律失常。

“我们正在将新技术引入临床，但我们的许多解决方案非常缓慢，从我们扫描患者的心脏并解决偏微分方程到预测患者是否有发生心脏猝死的高风险以及最佳治疗方案，大约需要一周时间，”约翰霍普金斯大学心血管诊断和治疗创新联盟主任 Trayanova 表示。

“有了这种新的人工智能方法，我们得到解决方案的速度令人难以置信。计算心脏数字孪生预测的时间将从数小时缩短至 30 秒，而且它将在台式计算机而不是超级计算机上完成，这使我们能够将其作为日常临床工作流程的一部分。”

美国国家科学基金会数学科学部项目主任 Yulia Gel 补充道：“这种方法对于基于较小数据集的数字孪生的不确定性量化特别有用，这仍然是医疗保健领域更广泛采用数字孪生的主要障碍之一。”

美国国家科学基金会数学科学部主任 David Manderscheid 补充道：“像这样的伟大工作展示了数字孪生和人工智能通过应用数学科学彻底改变医疗保健和许多其他领域的巨大潜力。”

博士后研究员兼研究合著者尹明朗还解释了人工智能超越超级计算机的关键，那就是模式学习。“对于每个问题，DIMON 首先求解单一形状的偏微分方程，然后将解映射到多个新形状上，”尹明朗描述道。

“我们非常高兴能够用它解决许多问题，并将它提供给更广泛的社区，以加速他们的工程设计解决方案。”

来源：晓月科技每日一讲