详细内容或原文请订阅后点击阅览
“电子表格ChatGPT”有助于更快地解决困难的工程挑战
该方法可以帮助工程师解决极其复杂的设计问题，从电网优化到车辆设计。
来源:MIT新闻 - 人工智能许多工程挑战都归结为同样令人头疼的问题——需要转动的旋钮太多，而测试它们的机会太少。无论是调整电网还是设计更安全的车辆，每次评估的成本都可能很高，而且可能有数百个变量可能很重要。
考虑汽车安全设计。工程师必须集成数千个零件，许多设计选择都会影响车辆在碰撞中的表现。经典的优化工具在寻找最佳组合时可能会开始陷入困境。
麻省理工学院的研究人员开发了一种新方法，重新思考如何使用称为贝叶斯优化的经典方法来解决具有数百个变量的问题。在对电力系统优化等实际工程风格基准测试中，该方法找到最佳解决方案的速度比广泛使用的方法快 10 到 100 倍。
他们的技术利用了基于表格数据训练的基础模型，该模型可以自动识别对于提高性能最重要的变量，并重复该过程以磨练出越来越好的解决方案。基础模型是在庞大的通用数据集上进行训练的巨大人工智能系统。这使它们能够适应不同的应用程序。
研究人员的表格基础模型在寻求解决方案时不需要不断地重新训练，从而提高了优化过程的效率。该技术还可以为更复杂的问题提供更大的加速，因此它在材料开发或药物发现等要求苛刻的应用中特别有用。
“现代人工智能和机器学习模型可以从根本上改变工程师和科学家创建复杂系统的方式。我们提出了一种算法，不仅可以解决高维问题，而且可以重复使用，因此可以应用于许多问题，而不需要从头开始，”计算科学与工程研究生、该技术论文的主要作者 Rosen Yu 说道。