Интеллектуальный эксперимент: нейросети на службе точных измерений
![Нейронная оптимизация дифференциального уравнения (Neural OED) успешно восстанавливает структуру конечных точек и оптимальное асимптотическое разделение точек дизайна для скалярной экспоненциальной модели [latex]y(t) = b\,\exp(at)[/latex], демонстрируя сходимость к теоретическим пределам [latex]2^{-1} \approx 0.4142[/latex] и [latex]2^{-2} \approx 0.5858[/latex] при обучении с использованием многослойного персептрона (ReLU MLP шириной 256), шума [latex]\varepsilon = 0.05[/latex] и оптимизатора Adam с параметрами обучения [latex]10^{-3}[/latex] и [latex]10^{-1}[/latex] для сети реконструкции и переменных дизайна соответственно, при размере пакета 1024 и 10 000 шагах.](https://arxiv.org/html/2512.23763v1/both_ratios_comparison.png)
Новый подход к оптимальному планированию экспериментов использует глубокое обучение для автоматического определения наилучших точек измерений, повышая точность решения обратных задач.



![Разработана технология бесконтактного мониторинга артериального пульса посредством камеры смартфона, основанная на использовании гибкого наноструктурированного сенсора [latex]OptoPatch[/latex], интегрированного непосредственно с кожей пациента и преобразующего расширение артерии в изменение дифракционной картины, что позволяет регистрировать даже аритмичные события без необходимости в традиционных манжетах и датчиках.](https://arxiv.org/html/2512.24820v1/Fig1.png)



