Caltech-Team nutzt KI zur Vorhersage von Kipppunkten in Simulationen
Forschende demonstrierten einen rekurrenten neuronalen Operator, der abrupte Übergänge in Klima- und Tragflächenströmungssimulationen vorhersagt.
Ereignis-/Datenzeitraum: 2026-10-15
Veröffentlicht: · Aktualisiert:
Ein von Caltech geleitetes Forschungsteam berichtete am 15. Oktober, dass ein Deep-Learning-Modell namens rekurrenter neuronaler Operator Kipppunkte in Simulationen einfacher Systeme vorhersagen kann. Untersucht wurden ein Klimawandel-System und turbulente Luftströmungen an einem Flugzeugflügel; die Studie erschien in PNAS.
Das Team schlägt vor, die Erkennung, dass die erlernte Physik die Dynamik nicht mehr erklärt, als Warnsignal für einen bevorstehenden abrupten Übergang zu nutzen. Die Ergebnisse stammen aus Simulationen und belegen kein im realen Klima oder im Flug validiertes Vorhersagesystem. Beteiligt waren Forschende von Caltech, der University of Colorado Boulder und NVIDIA.
Daten
Forschungsnachweis
Forschungsmitteilung vom 15. Oktober
- · eingetreten
Simulationen mit neuronalem Operator
Vorhersage von Übergängen in Klima- und Tragflächenströmungssimulationen.
Methodik
Die Ergebnisse sind in PNAS und der Caltech-Mitteilung berichtete Simulationen; sie zeigen keine operative Vorhersageleistung in der realen Welt.
Aktualisiert:
Themen und Orte
Themenvorschläge
- Künstliche IntelligenzVorgeschlagene Kennzeichnung
- Subject suggested from the title or summary: AIwww.caltech.edu ↗
Geografische Angaben
Angezeigt werden nur geografische Angaben aus der Quelle. Eine externe Karte lässt sich optional öffnen. Optionale Karten in Artikeln nutzen OpenStreetMap. Beim Öffnen werden Ihre IP-Adresse und die Adresse dieser Website an den Kartenanbieter übermittelt. Ortsangaben bleiben auch ohne Karte als Text lesbar.
- Vereinigte Staaten · Funktion des Ortes: Abdeckung · Art des Ortes: Land oder Gebiet · Ortsgenauigkeit: regionalBeleg
- Explicit preserved editorial country/region; no city or national centroid inferredwww.caltech.edu ↗