現代複雜系統需要仔細設計，特別是在周圍不確定性面前。工程師尋找有效工具以便在各種技術的微妙互聯網中導航，例如無人機或自動駕駛車輛。一種新方法允許整合與各種元件的性能相關的不確定性，無論是傳感器還是電動機。
這種新工具徹底改變了系統設計。 設計者現在可以更準確地建模各種配置之間的權衡。 在考慮不可預測因素的情況下評估性能是至關重要的。 這種方法重新定義了工程的藝術，為當代的需求提供了量身定制的解決方案。 其影響範圍擴展到基礎設施和新興技術。
複雜系統設計的重大進展
麻省理工學院的研究人員開發了一種 新的框架，使工程師能夠在設計複雜系統時整合 不確定性。這一進展是對組件性能變異性挑戰的回應，例如無人機的電動機和電池。
不確定性管理
由Gioele Zardini領導的團隊的工作集中於共同設計，這是一種拆解由多個互聯元件組成的系統的方法。工程師現在可以全面建模性能的權衡，而不是忽視與規格相關的無法預測性。他們的方法因捕獲更廣泛的結果範圍而脫穎而出，克服了傳統方法的限制。
基於範疇理論的創新框架
研究人員將不確定性概念納入了一個基於 範疇理論 的現有框架。這一過程簡化了複雜問題，使以前僅限於專家的工具變得可接近。系統的每個組件都可以進行評估，而無需特定的專業知識，從而使多學科團隊能夠更有效地工作。
實際應用和具體案例
這種方法已應用於為無人機選擇感知系統和電池。結果顯示，儘管檢測精度因氣候條件而異，設計者仍能評估這些不確定性對無人機整體性能的影響。一項關鍵結果顯示，鎳氫電池在長期成本方面是最佳選擇。
比較優勢和詳細資訊
研究人員的創新策略為用戶提供了與電池技術相關的增長信息。與較傳統的方法不同，該框架提供了對潛在風險的明確指導。例如，如果無人機的有效載荷為1750克，則電池設計不切實際的概率為12.8%。
未來展望和進一步研究
未來，研究人員計劃提高他們算法的計算效率，以解決更複雜的問題。此外，這種方法還將擴展到涉及多方合作的情境中，例如，在許多鐵路公司共享相同基礎設施的交通網絡中。這項研究是在系統複雜性持續增加的背景下進行的。
這一進展促使人們開始討論在考慮到許多元件固有的不確定性時，正式化大規模系統設計的必要性。
欲了解更多信息，請查閱有關人工智能對減少碳排放的貢獻的文章 在此，DeepMind的AI在數學問題上的表現 在此，以及神經網絡的理解 在此。
有關關係建模和解決複雜問題的詳細信息，請探索 該文章，並了解“重生文章”方法以直觀地發布發現 在此。
常見問題解答
麻省理工學院研究人員開發的新工具的主要目的是什麼？
該工具的主要目的是幫助工程師在設計複雜系統時整合與元件性能（如電動機和電池）相關的不確定性。
這一工具如何在設計過程中考慮不確定性？
這一工具可以建模設備的性能和權衡，捕捉各種結果的概率並考慮諸如天氣等條件的不確定性。
與其他方法相比，這種方法的優勢是什麼？
這種方法提供了更多的信息，將不同的設計選擇進行比較，超越了其他現有方法通常提供的最佳和最差情境。
這一工具可以應用於不同類型的系統，如無人機或自動駕駛車輛嗎？
是的，這一工具可以應用於各種複雜系統，包括無人機、自動駕駛車輛，甚至運輸網絡，提高它們在面對實際不確定性時的可靠性。
可以使用這個工具建模哪些類型的元件？
可以建模各種互聯元件，例如傳感器、電動機和電池，並考慮它們的不可預測行為。
為什麼在系統設計中考慮不確定性至關重要？
考慮不確定性至關重要，因為這樣可以設計出更具韌性和可靠性的系統，使其能夠在不同且不可預測的條件下更好地運行。
這一工具如何對多學科設計團隊有利？
這一工具使多學科團隊的工作變得更輕鬆，讓每個成員都能夠設計複雜系統中的一個元件，而不需要在所有領域擁有深厚的專業知識。
使用該工具進行無人機設計時觀察到哪些結果？
研究人員發現，這一工具可以更好地優化感知系統和電池的選擇，確保在不同有效載荷下的成本、重量和性能之間的平衡。
共同設計的方法如何幫助解決複雜問題？
它通過將複雜問題分解為子系統，使每個子系統都能夠單獨優化，同時遵循整體系統的數學約束。
對該工具未來改進的展望是什麼？
研究人員計劃提高他們算法的計算效率，並將這一方法擴展到多方合作和競爭設計的系統。
