الأبحاث

في DEEPLBMNet، تركز أبحاثنا على تطوير الجيل القادم من معماريات الذكاء الاصطناعي المستوحاة من الفيزياء. ونعمل على دمج المبادئ الرياضية لـ طريقة بولتزمان الشبكية (Lattice Boltzmann Method - LBM) مع تقنيات التعلّم العميق الحديثة، بهدف تصميم شبكات عصبية تتسم بالكفاءة والدقة وقابلية التفسير، لتلبية متطلبات الحوسبة العلمية وتطبيقات الذكاء الاصطناعي في العالم الواقعي. ويتمثل هدفنا في بناء جسر يربط بين الفيزياء الحاسوبية والذكاء الاصطناعي من خلال تقديم معماريات تتعلّم اعتمادًا على المبادئ الفيزيائية، بدلًا من الاعتماد حصريًا على عمليات الالتفاف التقليدية (Convolution).

• الشبكات العصبية القائمة على طريقة بولتزمان الشبكية (LBMNet)
  
• الرؤية الحاسوبية
  
• تحليل الصور الطبية
  
• استعادة الصور وترميمها
  
• تجزئة الصور
  
• رفع دقة الصور
  
• تلوين الصور
  
• اكتشاف الأجسام
  
• التعرّف على الوجوه
  
• التعرّف على الأنماط
  
• التعلّم الآلي العلمي (SciML)
  
• المعادلات التفاضلية الجزئية (PDEs)
  
• الذكاء الاصطناعي المستوحى من ديناميكيات الموائع
  
• التصوير الطبي
  
• الذكاء الاصطناعي في الرعاية الصحية

نؤمن بأن أنظمة الذكاء الاصطناعي المستقبلية ينبغي ألا تقتصر على تحقيق أداءٍ عالٍ فحسب، بل يجب أيضًا أن تدمج المعرفة العلمية في تصميمها. ويهدف DEEPLBMNet إلى إرساء جيل جديد من المعماريات العصبية المستوحاة من ديناميكيات طريقة بولتزمان الشبكية (Lattice Boltzmann Method - LBM)، بما يوفر كفاءة أعلى، ومتانة أكبر، وقابلية أفضل للتفسير الفيزيائي، لخدمة طيف واسع من مهام الرؤية الحاسوبية والحوسبة العلمية.

تركّز أبحاثنا الحالية على استكشاف معماريات جديدة من DEEPLBMNet مخصّصة لـ:

• ترميم الصور
• تجزئة الصور الطبية
• إزالة الضوضاء من صور الرنين المغناطيسي (MRI)
• رفع دقة الصور
• اكتشاف الأجسام
• تصنيف الصور
• التعرّف على الوجوه
• تلوين الصور
• المحاكاة العلمية
• تعلّم وحلّ المعادلات التفاضلية الجزئية (PDEs)

يجري حاليًا تطوير العديد من المشاريع البحثية، وسيتم نشر نتائجها في المجلات العلمية والمؤتمرات الدولية فور اكتمالها وقبولها للنشر.

يُعدّ DEEPLBMNet مبادرةً بحثيةً نشطة، ونرحب بالتعاون مع الجامعات، والمختبرات البحثية، والشركاء الصناعيين، والطلاب المهتمين بالذكاء الاصطناعي المستوحى من الفيزياء، والرؤية الحاسوبية، والتصوير الطبي، والتعلّم الآلي العلمي. ومن خلال هذا التعاون، نسعى إلى المساهمة في تطوير الجيل القادم من الأنظمة الذكية عبر ابتكار معماريات عصبية جديدة ترتكز على أسس رياضية وعلمية راسخة.