リアルなニューラルネットワークがジェットエンジンブラケットの設計を自己学習しています — ライブで、ブラウザの中で、実際の物理学で駆動されています。ここの最適化器は文字通り座標MLPです：ブラケットの各要素の(x, y, z)位置を取り、その要素がどれだけ固体であるべきかを出力する小さなニューラルネットワーク。脳と部品は同じオブジェクトです。あなたが見ているのはネットワークの重みがイテレーションごとに更新され、それらが生み出す密度場が壊れず金属を無駄にしないブラケットになるまでの過程です。
ここでは何も手動で彫られていません。すべての学習ステップはすべての機械学習と同じ4拍リズムに従います：ネットワークを通じた順伝播が密度場を生成し、有限要素応力ソルバー — 「拷問テスト」 — が荷重下でブラケットがどのように撓むかを確認し、コンプライアンス損失（壊れるな）プラス体積ペナルティ（軽量に）が現在の重みがどれだけ失敗しているかを測定し、バックプロパゲーションがソルバーを通じて、フーリエ特徴付きMLPを通じて、実際のヤコビアンで全ての重みとバイアスまで責任を送り返します。そしてAdamがステップを踏みます。学習率ノブはどれだけ大胆にステップを踏むかを調整します；ノードインスペクターは個々のニューロンの活性化を示します — ただし、パネルが正直に述べているように、科学者は各ノブが何をするかをまだ完全に名付けることができません。これはこの展示の限界ではありません。それが科学の実際の状態です。
このアプローチ — ニューラルトポロジー最適化、またはTOuNN — は2021年頃に発表され、このウィングにすでにある2つの展示の意図的な結婚です：AI彫刻家（SIMPを実行する古典的ヒューリスティック密度更新、本体前方）とニューロンラボ（数字を読むMLPを学習）。neural-designerはバックプロップを分類問題の代わりに物理的なオブジェクトに適用し、DigiSim の Logic Lab が実際のゲートロジックを使って計算を構築するのと同様に実際の勾配を使って構造を発明します。3つの部屋は意図的なトリロジーです：ヒューリスティック最適化器、ニューラル最適化器、数字読み取り — 同じ勾配降下エンジン、3つの異なる仕事。
仕様
- 方法
- ニューラルトポロジー最適化（TOuNN）— 座標MLPが設計そのもの
- 脳
- フーリエ特徴付きMLP (x,y,z)→密度、ライブFEMを通じてAdamで学習
- 損失
- コンプライアンス + 体積ペナルティ — 「壊れるな」と「軽量に」
- シミュレーション内容
- 実際の順伝播 + バックプロップ、∇チェック済み；責任波 + ヤコビアン脳↔体リンク
機械学習の他の展示
