اصلاح زباله‌ های هسته‌ ای

پژوهشی که با همکاری "آزمایشگاه ملی لارنس برکلی"(LBL)، "آزمایشگاه ملی شمال‌غربی پاسیفیک"(PNNL)، "دانشگاه براون"(Brown University) و شرکت "انویدیا"(NVIDIA) انجام شده، نشان می‌دهد که یک ابررایانه مجهز به یادگیری عمیق می‌تواند به بررسی اصلاح زباله‌های هسته‌ای کمک کند.

این پژوهش، در مورد به‌کارگیری "شبکه‌های مخالف مولد"(GANs) در تحلیل مشکلات پیچیده و بزرگ‌مقیاس، امیدهایی را ارائه می‌دهد.

"جرج کارنیاداکیس"(George Karniadakis)، استاد ریاضیات کاربردی دانشگاه براون و از نویسندگان این پژوهش گفت: ما از قوانین فیزیک و اصول اکتشافی آن آگاه هستیم. مفهوم شبکه‌های مخالف مولد، با کدگذاری اطلاعات ابتدایی فیزیک در شبکه عصبی مرتبط است و امکان فراتر رفتن از محدوده آموزش را فراهم می‌کند که از اهمیت بالایی در هنگام تغییر شرایط برخوردار است.

طرشت

پژوهشگران آزمایشگاه برکلی، کاربردهای شبکه‌های مخالف مولد را در آزمایش‌های فیزیک بررسی کرده‌اند که ترکیبی از محدودیت‌های فیزیک را با پیش‌بینی‌های آن به کار گرفته‌اند. "کارنیاداکیس" و گروهش، پیشگام روشی از ترکیب فیزیک با شبکه‌های مخالف مولد و به‌کارگیری آنها در تولید "داده" شده‌اند.