Investigadores da Universidade da Pensilvânia desenvolveram um novo método de inteligência artificial capaz de resolver um dos desafios mais difíceis da matemática aplicada: as equações diferenciais parciais inversas. Esta abordagem pode permitir aos cientistas identificar causas ocultas a partir de dados observáveis, com impacto potencial em áreas como a genética, a física e a climatologia.
O estudo, conduzido pela Escola de Engenharia e Ciências Aplicadas da universidade, introduz o conceito de “camadas suavizantes”, uma técnica que reduz o ruído nos dados antes de serem processados pelos modelos de IA. Ao contrário das abordagens tradicionais, que dependem de maior capacidade computacional, esta solução melhora a estabilidade dos cálculos ao nível matemático.
As equações diferenciais são fundamentais para descrever fenómenos naturais, desde o fluxo de calor até à evolução de sistemas biológicos. No caso das equações inversas, o objetivo é trabalhar a partir dos efeitos observados para descobrir as causas subjacentes — um processo particularmente complexo e exigente em termos computacionais.
Com uma nova técnica, os invetsigadores reduzem significativamente o custo computacional e aumentam a precisão dos resultados. Isto abre novas possibilidades para estudar sistemas altamente complexos, como a organização do ADN nas células e os processos epigenéticos que controlam a ativação dos genes.
Os autores compartilham que esta inovação poderá transformar diversas áreas científicas, ao permitir passar da simples observação de padrões para a compreensão das leis que os governam, facilitando o desenvolvimento de novas terapias e soluções tecnológicas.