KANGURA: Neues KI-Modell optimiert 3D-Design von MFC-Anoden

Ein neues KI-Framework namens KANGURA verspricht, die Gestaltung von Anoden in Mikroorganismusbasierten Brennstoffzellen (MFCs) zu revolutionieren. Durch die Kombination von Kolmogorov‑Arnold‑Netzwerken (KAN) und geometriebewusster Lernstrategie kann das Modell komplexe räumliche Abhängigkeiten ohne herkömmliche mehrschichtige Perzeptronen erfassen.

Im Kern formuliert KANGURA die Vorhersage als Zerlegung einer Funktion. Dabei rekonstruiert die KAN-basierte Repräsentationsschicht geometrische Beziehungen, während ein geometrie‑entangled Lernmechanismus strukturelle Variationen in interpretierbare Komponenten aufteilt. Ein einheitliches Aufmerksamkeitsmodul hebt dabei gezielt kritische Bereiche hervor, die für die Leistung der Anode entscheidend sind.

Testläufe auf dem ModelNet40-Datensatz zeigen, dass KANGURA die Genauigkeit von über 15 führenden Modellen um 92,7 % übertrifft. In einer realen Anodenoptimierung erreichte das System sogar 97 % Genauigkeit, was die Vielseitigkeit und Robustheit des Ansatzes unterstreicht. KANGURA eröffnet damit neue Möglichkeiten für die Optimierung komplexer Strukturen in der modernen Fertigung und Qualitätskontrolle.