KI erkennt analytische Lösungen aus Feldvisualisierungen – neue ViSA-Methode

Eine neue KI-Ansatz namens ViSA (Visual‑to‑Symbolic Analytical) ermöglicht es, analytische Lösungen für zweidimensionale lineare Gleichgewichtsfelder direkt aus visuellen Darstellungen abzuleiten. Dabei werden die Feldvisualisierungen zusammen mit ersten Ableitungen und minimalen Metadaten genutzt, um eine vollständig ausführbare SymPy‑Ausdruck zu generieren.

Der Kern des Modells, ViSA‑R2, folgt einem physikernähnlichen Denkweg: Er erkennt strukturelle Muster, bildet Hypothesen zu Lösungsfamilien, leitet Parameter ab und prüft die Konsistenz. Dieser selbstüberprüfende, lösungsorientierte Ansatz sorgt für hohe Genauigkeit und Transparenz.

Zur Bewertung wurde ViSA‑Bench veröffentlicht, ein synthetisches Benchmark‑Set mit 30 linearen Gleichgewichtsszenarien, das vollständig überprüfbare analytische und symbolische Anmerkungen enthält. Die Leistung von ViSA‑R2 wurde anhand numerischer Genauigkeit, Ausdrucksstruktur und Zeichen‑Genauigkeit gemessen.

Mit einer 8‑Billionen‑Parameter‑Qwen3‑VL‑Basis übertrifft ViSA‑R2 sowohl etablierte Open‑Source‑Modelle als auch führende geschlossene VLMs unter einem einheitlichen Evaluationsprotokoll. Diese Fortschritte markieren einen bedeutenden Schritt in der KI‑unterstützten wissenschaftlichen Analyse und eröffnen neue Möglichkeiten für die automatisierte Lösung physikalischer Probleme.