اصلاح زباله های هسته ای با کمک یادگیری عمیق

پژوهشگران آمریکایی سعی دارند با کمک رایانه های مجهز به یادگیری عمیق، به اصلاح زباله های هسته ای کمک کنند.

- به گزارش ایسنا و به نقل از فیز، پژوهشی که با همکاری آزمایشگاه ملی لارنس برکلی (LBL)، آزمایشگاه ملی شمال غربی پاسیفیک (PNNL)، دانشگاه براون (Brown University) و شرکت انویدیا (NVIDIA) انجام شده، نشان می دهد که یک ابررایانه مجهز به یادگیری عمیق می تواند به بررسی اصلاح زباله های هسته ای کمک کند.

این پژوهش، در مورد به کارگیری شبکه های مخالف مولد (GANs) در تحلیل مشکلات پیچیده و بزرگ مقیاس، امیدهایی را ارائه می دهد.

جرج کارنیاداکیس (George Karniadakis)، استاد ریاضیات کاربردی دانشگاه براون و از نویسندگان این پژوهش گفت: ما از قوانین فیزیک و اصول اکتشافی آن آگاه هستیم.

مفهوم شبکه های مخالف مولد، با کدگذاری اطلاعات ابتدایی فیزیک در شبکه عصبی مرتبط است و امکان فراتر رفتن از محدوده آموزش را فراهم می کند که از اهمیت بالایی در هنگام تغییر شرایط برخوردار است.

پژوهشگران آزمایشگاه برکلی، کاربردهای شبکه های مخالف مولد را در آزمایش های فیزیک بررسی کرده اند که ترکیبی از محدودیت های فیزیک را با پیش بینی های آن به کار گرفته اند.