ალგორითმის სიზუსტე 92%
![New Neuraleta დაეხმარება მეცნიერებს განვითარება მძიმე მოვალეობა მასალები 3516_1](/userfiles/22/3516_1.webp)
რუსი მკვლევარების ჯგუფმა შეიმუშავა ახალი ნერვული ქსელი, რომელსაც შეუძლია ლითონებისა და შენადნობების შერჩევა, რათა შეიქმნას მძიმე მოვალეობა და სტრუქტურები. ეს გახდა ცნობილი პერმის ეროვნული კვლევითი პოლიტექნიკური უნივერსიტეტის (PNIPU) პრესსამსახურისგან.
![New Neuraleta დაეხმარება მეცნიერებს განვითარება მძიმე მოვალეობა მასალები 3516_2](/userfiles/22/3516_2.webp)
ცნობილია, რომ ლითონებისა და შენადნობების ოპტიმალური კომბინაციის შერჩევისთვის მეცნიერებმა უნდა განახორციელონ ექსპერიმენტების სერია მათი თვისებების შესაფასებლად. ახალი კვლევის ავტორებმა გადაწყვიტეს გამარტივებული მასალების ძიება, სპეციალური ნერვული ქსელის შექმნა, ნიმუშების ციფრული გამოსახულებების ანალიზი, რათა დადგინდეს მასალების პერსპექტიული ტიპები.
![New Neuraleta დაეხმარება მეცნიერებს განვითარება მძიმე მოვალეობა მასალები 3516_3](/userfiles/22/3516_3.webp)
ალგორითმი შეიძლება აღიაროს მასალების თვისებები, რომელიც დაკავშირებულია თითოეულ მათგანს ერთ-ერთი სიმტკიცე კლასისთვის. ნერვული, რეალური და არა-სინთეზირებული მონაცემების მუშაობაში, რაც საშუალებას იძლევა ტექნოლოგიის სიღრმის უზრუნველსაყოფად. ნერვული ქსელის ანალიზის შედეგების სიზუსტე 92.1% -ს შეადგენს. ექსპერტებმა ასევე აღნიშნეს, რომ სპეციალურმა კვლევამ შესაძლოა გამოეყენებინა პოტენციური მასალების შეცდომების რაოდენობის განსაზღვრა, რაც გავლენას ახდენს შედეგების სიზუსტეზე.
ახალი განვითარების ავტორები აპირებენ გააგრძელონ მუშაობა მის გაუმჯობესებაზე. მომავალში, ისინი აპირებენ ახალი კრიტერიუმების დამატება, რომლითაც ნერვული ქსელი შეეძლო დაპირისპირების ლითონებსა და შენადნობებს შეარჩიოს მძიმე მოვალეობა და პროდუქტები.
მანამდე, ცენტრალურ საინფორმაციო სამსახურმა კვანტური ტრენაჟორებისა და კვანტური კომპიუტერების შორის გადალახა.