إطلاق آلية التعلم العميق البصري مع تحسين مدهش: ثورة في التنبؤ بالهياكل البلورية باستخدام خوارزمية مانتا راي!

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

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

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

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

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