في إطار التطورات الرائدة في مجال الذكاء الاصطناعي، أعلن فريق من الباحثين عن تطبيق جديد ومبتكر يجمع بين البرمجة الديناميكية التقليدية وشبكات الأعصاب المستنيرة بالفيزياء (PINNs) لحل المعادلات المعقدة التي تواجهها العديد من المجالات التطبيقية.

تستخدم هذه الطريقة الجديدة ما يُعرف بنظام التكرار المستند إلى السياسات والذي يتيح تجاوز التعقيدات المترتبة على المعادلات غير المقعرة من نوع هاملتون-جاكوب-إيساكس (HJI). من خلال التكرار بين حل المعادلات التفاضلية الجزئية من الدرجة الثانية تحت سياسات تغذية راجعة ثابتة وتحديث ضوابط الاستجابة عبر تحسين الحد الأدنى النقاطي، أثبتت النتائج العملية دقة هذه الطريقة وقدرتها على التحمل.

تجارب رقمية أظهرت أن هذه التقنية الجديدة حققت تحسناً كبيراً في الدقة مقارنة بالطرق التقليدية، حيث أظهرت التجارب الرقمية في لعبة تخطيط المسارات stochastic مع عائق متحرك أن النتائج قد بلغت نسبة أخطاء أقل من 0.01%، مما يجعل هذا الابتكار قابلاً للاستخدام في مختلف المجالات مثل الروبوتات، المالية، وتعلم التعزيز متعدد الوكلاء.

باستخدام الافتراضات القياسية لـ Lipschitz و ellipticity الموحد، تم إثبات أن القيم الناتجة من التكرار تتقارب بطريقة محلية بشكل موحد نحو الحل الفريد لمعادلة HJI، مما يجعل هذه الطريقة أكثر استقراراً وقابلية للتحكم.

هذا الابتكار يمثل خطوة هائلة نحو تحسين الأداء في الحلول العددية المعقدة ويعكس إمكانيات الذكاء الاصطناعي في إحداث تأثير حقيقي في المجالات التقنية.