Com nova proposta realizada por cientistas do Instituto de Tecnologia da Califórnia e da Universidade Purdue, ambos nos EUA; resolver equações matemáticas complexas; pode se tornar uma tarefa mais fácil com duas novas abordagens de utilização de redes neurais.
De acordo com os pesquisadores, os novos modelos usam redes neurais profundas para solucionar famílias inteiras de equações diferenciais parciais; deixando os sistemas complicados mais fáceis de resolver em um tempo consideravelmente mais curto.
Dessa forma, as equações diferenciais parciais usadas na fabricação de aviões de passageiros, para calcular o impacto de ondas sísmicas ao redor do planeta ou para prever a propagação de uma doença entre a população de uma determinada região.
Difíceis de solucionar
Métodos aproximados geralmente são usados para tentar resolver as equações diferenciais parciais; contudo eles podem gastar milhões de horas de processamento e nem sempre chegar a um resultado satisfatório.
Por outro lado, na nova abordagem, os pesquisadores construíram outros tipos de redes neurais artificiais que podem aproximar essas soluções mais rapidamente.
“As novas redes profundas fazem algo dramaticamente diferente. Elas mapeiam um espaço de dimensão infinita sobre diversos horizontes possíveis, em uma velocidade impressionante”, disse o matemático Siddhartha Mishra.
Como funciona o Reforço neural
O elemento básico de uma rede neural são os neurônios artificiais, que recebem um conjunto de entradas; multiplicam cada uma por um determinado peso e somam os resultados, determinando uma saída com base nesse total. Além disso, redes neurais mais modernas possuem uma camada de entrada, outra de saída e uma oculta no meio delas. Bem como, matematicamente, a entrada para essa rede é um vetor ou conjunto de números, e a saída é outro vetor com as mesmas proporções.
Veja também: Lançado em Salvador 1º centro de computação quântica do Brasil
