في عالم العلم والهندسة، يُعتبر تحسين الأنظمة الفيزيائية ذات الأبعاد العالية تحت قيود معقدة وتقييمات مكلفة من أكبر التحديات التي تواجه الباحثين والمهندسين. في معظم الأحيان، يتم استخدام الطرق المعتمدة على نماذج البيانات الثابتة (Offline Model-Based Optimization) لتحسين التصميمات، ولكن هذه الطرق غالباً ما تعاني من قلة الثقة، كما أن الاستفادة غير المقيدة من النماذج المت surrogate يؤدي إلى تصميمات غير مثالية.

أعلنت دراسة جديدة مثيرة عن تقنية مبتكرة تُعرف بـ Differentiable Diffusion Conditioning (D2C). هذه التقنية تعتمد على حقيقة أن أخذ العينات الحتمية يجعل سلسلة إزالة الضجيج قابلة للتفاضل، مما يعني أنه يمكن تحسين المتغيرات الشرطية خلال الوقت الحقيقي باستخدام التدرجات (Gradients) من الأهداف المت surrogate والقيود المدعومة بالفيزياء.

عمل الباحثون على تنفيذ هذه الفكرة ضمن إطار عمل يجمع بين المقترح والمقيّم (Proposer-Evaluator Framework) وقاموا باختبارها على تطبيقات مثل تحسين نبضات الليزر من أجل الاندماج الانصهاري، وجدولة أحمال مراكز البيانات المستدامة، وأربعة مهام في Design-Bench.

نتائج التجارب أظهرت أن تقنية D2C حققت أفضل النتائج على المهام الحقيقية وتفوقت في الترتيب العام على المهام الأربعة في Design-Bench، مما يفتح آفاق جديدة لتحسين الأنظمة الفيزيائية باستخدام البيانات المتاحة بكل كفاءة.