لقد بشرت بنية الشبكة العصبية KAN بترقية رئيسية - إصدار KAN 2.0. يعزز هذا التحديث بشكل كبير قدرات تطبيق KAN في البحث العلمي، وخاصة في مجال الفيزياء الكلاسيكية. يستطيع الباحثون تخصيص نماذج KAN 2.0 ودمج الخبرة لاستكشاف الأنظمة الفيزيائية بشكل أفضل، مثل تحديد المفاهيم الأساسية مثل Lagrangian. يمثل هذا قفزة أخرى في تطبيق الذكاء الاصطناعي في البحث العلمي ويوفر طريقة جديدة لحل مشكلة عدم التوافق المتأصلة بين الذكاء الاصطناعي والعلوم.
لقد أطلقت بنية الشبكة العصبية KAN الإصدار 2.0. هذا التحديث يجعل KAN أكثر تكاملاً مع القضايا العلمية، خاصة في مجال أبحاث الفيزياء الكلاسيكية. يمكن للباحثين الآن تخصيص KAN2.0 الخاص بهم ودمج الخبرة في النموذج لاكتشاف مفاهيم مهمة مثل لاغرانج في الأنظمة الفيزيائية.
يتيح KAN2.0 للباحثين تخصيص النماذج وفقًا للاحتياجات الشخصية، باستخدام المعرفة المهنية كمتغير مساعد، مما يوفر منظورًا جديدًا لدراسة الفيزياء الكلاسيكية.
الإطار الجديد KAN2.0 مخصص لحل مشكلة عدم التوافق المتأصلة بين الذكاء الاصطناعي والعلوم. إنه يوحد الذكاء الاصطناعي والعلوم من خلال التآزر ثنائي الاتجاه - دمج المعرفة العلمية في KAN واستخلاص الأفكار العلمية من KAN.
ثلاث وظائف جديدة لـKAN2.0
MultKAN: KAN الذي يقدم عقد الضرب يعزز قدرة النموذج على التعبير.
kanpiler: مترجم يجمع الصيغ الرمزية في KAN، مما يحسن التطبيق العملي للنموذج.
محول الشجرة: يحول بنية KAN2.0 إلى مخطط شجرة، مما يعزز إمكانية تفسير النموذج.
ينعكس دور KAN2.0 في الاكتشاف العلمي بشكل رئيسي في ثلاثة جوانب: تحديد الميزات المهمة، والكشف عن الهياكل النمطية، واكتشاف الصيغ الرمزية. تم تحسين هذه الميزات عبر KAN الأصلي.
تعد قابلية تفسير KAN2.0 أكثر عمومية ومناسبة لمجالات مثل الكيمياء والبيولوجيا التي يصعب التعبير عنها بالمعادلات الرمزية. يمكن للمستخدمين بناء هياكل معيارية في KAN2.0 ورؤية الهياكل المعيارية بصريًا من خلال التبادل مع الخلايا العصبية MLP.
يخطط فريق البحث لتطبيق KAN2.0 على مشاكل واسعة النطاق وتوسيعه ليشمل تخصصات علمية أخرى خارج الفيزياء.
تم الانتهاء من هذا البحث بشكل مشترك من قبل خمسة باحثين من معهد ماساتشوستس للتكنولوجيا، ومعهد كاليفورنيا للتكنولوجيا، ومعهد ماساتشوستس للتكنولوجيا CSAIL وغيرها من المؤسسات، بما في ذلك ثلاثة علماء صينيين. ليو زيمينغ، المؤلف الأول لهذه الورقة، هو طالب دكتوراه في السنة الرابعة في معهد ماساتشوستس للتكنولوجيا. تركز اهتماماته البحثية على التقاطع بين الذكاء الاصطناعي والفيزياء.
عنوان الورقة: https://arxiv.org/pdf/2408.10205
عنوان المشروع: https://github.com/KindXiaoming/pykan
يوفر إصدار KAN 2.0 أداة جديدة قوية للبحث العلمي مع تطبيقات واعدة في مجالات متعددة التخصصات. في المستقبل، يمكننا أن نتوقع أن يحقق KAN 2.0 اختراقات في المزيد من المجالات العلمية ويعزز التطور المتسارع للاكتشافات العلمية. الكود المصدري لهذا المشروع مفتوح المصدر، والجميع مدعوون للمساهمة.