في خطوة مبتكرة وغير مسبوقة، تقترح دراسة جديدة نوعاً جديداً من الشبكات العصبية المستخدمة لتمثيل المجموعات المحدبة. تعتمد هذه الطريقة على تعلم وظائف تحت خطية (Sublinear Functions) تتميز بأنها متجانسة إيجابياً ومحدبة.

تقوم الشبكات العصبية بتنفيذ تمثيل ضمني لكلا من وظائف الدعم (Support Functions) ووظائف المقياس (Gauge Functions) لجسم محدب، مما يتيح لها الوصول إلى دقة عالية في تمثيل الأشكال.

يعد هذا الابتكار مثيراً للاهتمام خاصة عندما يتعلق الأمر بمهام تحسين الأشكال (Shape Optimization) والتصميم العكسي (Inverse Design). حيث أظهرت النتائج أن هذه الطريقة ليست فقط فعالة بل قادرة أيضاً على إعادة تشكيل الأشكال المستهدفة بدقة واحترافية.

أثبتت الدراسة وجود نظرية تقارب عالمية (Universal Approximation Theorem) للمجموعات المحدبة تحت هذا التمثيل، مما يجعلها خطوة إضافية نحو تحقيق إمكانيات غير محدودة في مجالات الذكاء الاصطناعي والرياضيات التطبيقية.