خب بچه‌ها، امروز می‌خوام براتون یه موضوع نسبتاً تخصصی رو خیلی راحت و خودمونی توضیح بدم: داستان بهینه‌سازی مدل‌های FGM با هوش مصنوعی و یادگیری ماشین!
اول بذار ببینیم اصلاً FGM یعنی چی؟ FGM یا همون Flamelet Generated Manifold، یه مدل خاص تو علم شبیه‌سازی احتراقه (احتراق یعنی همون سوختن گاز یا سوخت تو موتور یا هر جای دیگه که آتیش به کار میاد). خوبیش اینه که خروجی‌هاش دقیقن و خیلی هم واقعی و فیزیکی هستن، یعنی می‌تونن مثلاً نشون بدن که سوخت تو فضای واقعی چطور می‌سوزه.
ولی رفیق، این FGMها یه مشکل اساسی دارن، اونم اینه که واقعاً جاگیرن! یعنی کلی حافظه از کامپیوتر می‌گیرن و اگر کتابخونه‌هاشون رو بسازی، یه عالمه دیتا باید جابجا و نگهداری بشه. تازه هر مدل فقط برای یه نوع سوخت خاص ساخته میشه، مثلاً برای گاز متان باید جدا بسازی، برای بقیه سوخت‌ها هم همینطور.
حالا تیم این مقاله با کلی ذوق و شوق اومده گفتن: “می‌خوایم با الگوریتم‌های یادگیری ماشین (machine learning یعنی همون هوش مصنوعی که با دیتا آموزش می‌بینه) این داستان رو راحت‌تر و بهینه‌تر کنیم!” تقریبا کاری کردن که مدل‌های FGM حرفه‌ای‌تر، سریع‌تر و کم‌حافظه‌تر بشن.
برای این کار، اونا چهارتا الگوریتم معروف یادگیری ماشین رو ورداشتن و امتحان کردن:
1. Multi-Layer Perceptron (MLP) که یه جور شبکه عصبیه – یعنی کامپیوتر مث مغز یاد می‌گیره چیزارو بفهمه و پیش‌بینی کنه!
2. Random Forest – یه مدل هوش مصنوعی که کلی تصمیم‌گیری کوچیک انجام می‌ده و همشونو کنار هم میذاره تا پیش‌بینی دقیق‌تری داشته باشه.
3. Linear Regression – اینم روشیه که دنبال بهترین خط می‌گرده تا رابطه بین داده‌ها رو پیدا کنه.
4. Support Vector Machine (SVM) – یه مدل خاص که دنبال بهترین خط مرزی برای جدا کردن داده‌هایی با کلاس مختلفه.
برای اینکه این مدل‌ها واقعاً خوب آموزش ببینن، هفت تا دیتابیس یا کتابخونه ساختن که این مدل‌ها رو با اون داده‌ها آموزش بدن. وقتی تست کردن، دیدن خطای کلی فقط ۲.۳٪ بوده، یعنی واقعاً خوب جواب داده.
بعد اومدن معماری هر مدل رو بررسی کردن (معماری مدل یعنی اینکه مثلا شبکه چندتا لایه مخفی داره یا هر قسمت چقدر بزرگه). از بین همه، شبکه‌ی MLP خیلی بهتر عمل کرد و به عنوان انتخاب اولشون شد. بعد گفتن خب حالا اگه همینم دستکاری کنیم و ببینیم تعداد لایه‌های مخفی و تعداد نورون‌هاش چقدر باشه بهتر جواب می‌ده، چی میشه؟ (نورون تو شبکه عصبی همون قسمت کوچولوییه که شبیه مغز انسان کار می‌کنه و داده‌ها رو پردازش می‌کنه)
آخرش به یه آرایش جالب رسیدن: چهار تا لایه مخفی، که لایه اول ۱۰ تا نورون داشت، بعدی ۱۵ تا، بعد ۲۰ تا و آخری هم ۲۵ تا نورون! فکر کن! این مدل با این روش تونست دقتی معادل ۹۹.۸۱٪ به دست بیاره؛ یعنی تقریباً بی‌نقص دیگه!
در کل، نتیجه‌شون این شد که میشه با کمی هوشمندی و یادگیری ماشین، مدل‌های FGM رو خیلی بهتر کرد، حافظه کمتری مصرف کرد و همچنان دقت فوق‌العاده‌ای گرفت، مخصوصاً برای شبیه‌سازی احتراق سوخت متان. به زبان ساده: یادگیری ماشین داره حتی به سوختن گاز هم کمک می‌کنه تا کامپیوترها راحت‌تر شبیه‌سازی کنن و دانشمندا سرعت و دقت بیشتری داشته باشن. خفن نیست؟
منبع: +
