Ricercatori del Caltech e di Purdue University rivelano di aver risolto nel dominio di Fourier, con algoritmi (Neural Newtorks) di Artificial Intelligence, un particolare tipo di equazioni differenziali parziali (PDE – Partial Differential Equations): le Navier-Stokes usate per descrivere il moto di fluidi incomprimibili, in modo molto piu’ efficiente che con tecniche tradizionali (3 ordini di grandezza piu’ veloce) e senza necessitare re-training. La Neural Network utilizzata ha anche una accuratezza 30% migliore di altre tecniche di Deep Learning utilizzate prima per compiti simili, e che dovevano anche essere re-trainate per ogni tipologia di fluido.
