في عالم الذكاء الاصطناعي، تلعب خوارزميات التعلم العميق دورًا حيويًا في تعزيز دقة التنبؤات. أحد الابتكارات الجديدة هو استخدام خوارزمية مانتا راي لتحسين الصياد (MRFO) مع تقنية الطيران ليفي (Levy Flight) في تدريب الآلات ذات التعلم العميق المتطرف (Extreme Learning Machines) التي تعتمد على نموذج الشبكة الأحادية طبقة (Single Layer Feedforward Network).

يمثل هذا الدمج، الذي يحمل الاسم المختصر EELM-MRFO-LF، قفزة نوعية في نموذج التعلم الكلاسيكي حيث يتم استخدام MRFO مع الطيران ليفي لتحديد أوزان الإدخال، بينما يتم استخدام المعكوس العام لمور (Moore-Penrose generalized inverse) لتحديد أوزان الإخراج بشكل تحليلي.

واحدة من أبرز ميزات EELM-MRFO-LF هي مسار الطيران ليفي الذي يسهم في زيادة تنوع مجتمع الآلات ذات التعلم العميق، مما يساعدها على تجنب الوقوع في الأمثل المحلي وتحقيق نتائج أفضل.

تم مقارنة أداء هذه الطريقة الجديدة مع خوارزميات معروفة أخرى مستوحاة من الطبيعة تحت ظروف مشابهة، مما يبرز فعالية هذا النهج في توسيع تطبيقات الذكاء الاصطناعي في علوم المواد، وخاصة في تنبؤ طاقة التكوينات البلورية غير المريحة والمريحة.

إذا كنت مهتمًا بالتطورات التقنية في الذكاء الاصطناعي وكيف يمكن أن تغير الطريقة التي نفهم بها المواد، فإن EELM-MRFO-LF تمثل خطوة مثيرة نحو الأمام لا ينبغي تفويتها.