ابزار جدید MIT برای حل سریع‌تر مسائل پیچیده برق و انرژی

FSNet، سامانه‌ای مبتنی بر یادگیری ماشین است که می‌تواند زمان حل مسائل بهینه‌سازی در شبکه برق را چندین برابر کاهش دهد و در عین حال، تضمین کند که هیچ محدودیت فنی زیر پا گذاشته نمی‌شود.

مدیریت شبکه برق یکی از دشوارترین چالش‌های مهندسی است: اپراتورها باید در هر لحظه تصمیم بگیرند چه میزان برق در کدام مسیر جریان یابد تا هم نیاز مصرف‌کنندگان تأمین شود و هم زیرساخت فیزیکی شبکه دچار فشار بیش از حد نشود.
اما روش‌های سنتی حل این نوع مسائل بهینه‌سازی (مانند برنامه‌ریزی جریان بهینه برق) ممکن است ساعت‌ها یا حتی روزها زمان ببرند.

به همین دلیل، گروهی از پژوهشگران MIT به سرپرستی پریا دونتی (Priya Donti) و هوانگ نوین (Hoang Nguyen) ابزاری طراحی کرده‌اند که با ترکیب هوش مصنوعی و مدل‌های ریاضی، می‌تواند راه‌حل‌های ممکن و معتبر را بسیار سریع‌تر بیابد. این سیستم با نام FSNet، در واقع یک شبکه عصبی است که در کنار یک الگوریتم ریاضی «جست‌وجوی امکان‌پذیری» کار می‌کند.

ترکیب قدرت یادگیری عمیق و بهینه‌سازی کلاسیک

در گام نخست، شبکه عصبی یک راه‌حل پیشنهادی برای مسئله بهینه‌سازی ارائه می‌دهد. سپس یک حل‌کننده ریاضی درون FSNet، این پاسخ را به‌صورت گام‌به‌گام اصلاح می‌کند تا اطمینان حاصل شود هیچ قیدی (مانند ظرفیت خطوط یا محدودیت ولتاژ) نقض نشده است.
به گفته دونتی، این رویکرد باعث می‌شود FSNet هم سرعت مدل‌های یادگیری عمیق را حفظ کند و هم دقت و قطعیت روش‌های ریاضی سنتی را.

نتیجه؟ طبق آزمایش‌ها، FSNet در مقایسه با حل‌کننده‌های کلاسیک، زمان حل را چندین مرتبه کاهش داده و در عین حال، پاسخ‌های بهتری برای برخی مسائل بسیار پیچیده ارائه کرده است. این موفقیت به این دلیل است که شبکه عصبی می‌تواند الگوهایی را در داده‌ها تشخیص دهد که مدل‌های کلاسیک از آن غافل می‌مانند.

فراتر از برق: کاربردهای آینده

پژوهشگران MIT می‌گویند FSNet می‌تواند در زمینه‌هایی فراتر از انرژی نیز به کار رود؛ از جمله طراحی محصولات صنعتی، مدیریت سبد سرمایه‌گذاری، یا برنامه‌ریزی تولید بر اساس تقاضای مصرف‌کننده.
با افزایش استفاده از منابع تجدیدپذیر و نوسانات تولید انرژی، چنین ابزارهایی می‌توانند به پایداری شبکه و کاهش هزینه‌ها کمک کنند.

به گفته دونتی، «برای حل مسائل پیچیده‌ای مانند شبکه برق، نزدیک بودن پاسخ به مقدار بهینه کافی نیست؛ پاسخ باید از نظر فنی نیز قابل اجرا باشد. FSNet گامی مهم در جهت ایجاد مدل‌های یادگیری عمیق با تضمین‌های ریاضی است.»

منبع: MIT News – “A faster problem-solving tool that guarantees feasibility”
منتشرشده در ۳ نوامبر ۲۰۲۵