Проектирование машин сродни кулинарии: необходимо точно знать, где «тесто» порвётся. Классические численные методы, например, анализ методом конечных элементов, проверяют каждую точку детали часами — это как обмерять всю кастрюлю, чтобы ручка не отвалилась. Нейросеть нового поколения воспринимает деталь как облако точек, подобно опытному повару, который с первого взгляда чувствует, как распределится жар в любой сковороде. Подобно спектроскопии — методу, разлагающему излучение на спектральные составляющие, она раскладывает поле напряжений, выявляя слабые места.

В отличие от прежних методов машинного обучения, которые теряли точность при смене формы детали (она падала до 1%), эта сеть, по-видимому, улавливает суть конструкции. Ей неважны повороты, смещения или материал — будь то углеродное волокно или сталь — принцип работает одинаково. Точность достигает 97% за доли секунды. Примечательно, что сеть не опирается на уравнения физики: она просто обучена на примерах, как повар, без учебников чувствующий, где порвётся тесто.

При росте энтропии — меры неопределённости, вызванной усложнением форм — старые методы выдают хаотичные предсказания, тогда как нейросеть лишь незначительно снижает точность. Такой подход может стать стандартной моделью — общепринятой расчётной схемой для быстрого анализа прочности.