PRIMS: AI basata sulla fisica per l'identificazione dei fluidi in microfluidica

È stato introdotto un nuovo framework di IA chiamato PRIMS (Physics-guided Representation for Fluid Identification in Multimodal Sensing) per migliorare l'identificazione dei fluidi su dispositivi microfluidici. Questo modello affronta il problema di garantire prestazioni costanti nonostante le fluttuazioni di flusso, pressione e temperatura. A differenza degli approcci di apprendimento tradizionali che considerano i dati dei sensori come caratteristiche universali, PRIMS incorpora principi fisici nella sua rappresentazione dell'apprendimento e nelle strategie di attenzione. Comprende tre componenti chiave: Token Vectorization basata sulla fisica, che converte i segnali grezzi dei sensori Coriolis e di pressione in embedding di token significativi; Physical Component Synthesizer, che affronta le interazioni legate alla viscosità tra flusso, pressione e densità; e Physics-guided Fusion, che utilizza l'integrazione basata sull'attenzione per identificare correlazioni cross-fisiche. Questa metodologia mira a migliorare la generalizzazione e l'interpretabilità sfruttando le leggi fisiche fondamentali che influenzano la dinamica dei fluidi. I risultati sono pubblicati in un articolo su arXiv (2607.22422).