અલ્ગોરિધમનની ચોકસાઈ 92% છે
રશિયન સંશોધકોના એક જૂથે હેવી-ડ્યુટી સામગ્રી અને માળખાં બનાવવા માટે ધાતુઓ અને એલોય પસંદ કરવા માટે સક્ષમ નવો ન્યુરલ નેટવર્ક વિકસાવ્યો છે. આ પરમ નેશનલ રિસર્ચ પોલિટેકનિક યુનિવર્સિટી (PNIPU) ની પ્રેસ સર્વિસથી જાણીતું બન્યું.
જર્મન પોલીટેકનિક વૈજ્ઞાનિકોએ એક ન્યુરલ નેટવર્ક મોડેલ બનાવ્યું છે જે ઔદ્યોગિક ઉદ્યોગો માટે આશાસ્પદ માળખાં બનાવવા માટે મેટલ્સ અને એલોય્સના કુદરતી ગુણધર્મોના સેટ માટે યોગ્ય રીતે ઉચ્ચ-ટેક ઉપકરણોના વિકાસકર્તાઓને ઝડપથી અને બિનઅનુભવી રીતે મેટલ્સમાં સહાય કરશે. ભવિષ્યમાં, આ પ્રકારની સિસ્ટમ એન્ટરપ્રાઇઝમાં એક એન્જિનિયર માટે "બૌદ્ધિક મદદનીશ" બની જશે, જે આપમેળે ઉત્પાદનના ભાગોની પદ્ધતિ પસંદ કરશે, એલોય્સના રાસાયણિક રચના અને પિંગીપ પ્રેસમાંથી - તેમના થર્મોમેકનિકલ પ્રોસેસિંગના પ્રોગ્રામને નિર્ધારિત કરશે. સેવા સંદેશતે જાણીતું છે કે મેટલ્સ અને એલોયના શ્રેષ્ઠ સંયોજનની પસંદગી માટે વૈજ્ઞાનિકોએ તેમના ગુણોને માપવા માટે પ્રયોગોની શ્રેણી ચલાવવી પડી હતી. નવા અભ્યાસના લેખકોએ ટકાઉ પદાર્થોની શોધને સરળ બનાવવાનું નક્કી કર્યું, ખાસ ન્યુરલ નેટવર્ક બનાવ્યું, જે ઉત્પાદનોના આશાસ્પદ પ્રકારો નક્કી કરવા માટે નમૂનાઓની ડિજિટલ છબીઓનું વિશ્લેષણ કરે છે.
અલ્ગોરિધમ સામગ્રીના ગુણધર્મોને ઓળખી શકે છે, જે દરેકને સખતતા વર્ગોમાંના એકમાં સંબંધિત છે. ન્યુરિશન, વાસ્તવિક અને બિન-સંશ્લેષિત ડેટાના કામમાં, જે તકનીકીની ઊંડાઈને સુનિશ્ચિત કરવાનું શક્ય બનાવે છે. ન્યુરલ નેટવર્કના વિશ્લેષણના પરિણામોની ચોકસાઈ 92.1% છે. નિષ્ણાતોએ પણ નોંધ્યું છે કે એક ખાસ અભ્યાસમાં પરિણામની ચોકસાઈને અસર કરવા સક્ષમ સંભવિત સામગ્રીની ખોટી રીતે ચિહ્નિત કરેલી ચિત્રોની સંખ્યા નક્કી કરવાનું શક્ય છે.
નવા વિકાસના લેખકો તેના સુધારણા પર કામ ચાલુ રાખવા માંગે છે. ભવિષ્યમાં, તેઓ નવા માપદંડને ઉમેરવાનો ઇરાદો ધરાવે છે જેના દ્વારા ન્યુરલ નેટવર્ક હેવી-ડ્યુટી સામગ્રી અને ઉત્પાદનો બનાવવા માટે આશાસ્પદ ધાતુઓ અને એલોય પસંદ કરી શકે છે.
અગાઉ, સેન્ટ્રલ ન્યૂઝ સેવામાં ક્વોન્ટમ સિમ્યુલેટર અને ક્વોન્ટમ કમ્પ્યુટર્સ વચ્ચેના તફાવતને દૂર કરવાના અહેવાલ આપ્યો હતો.