Naukowcy opracowali model deep learning zdolny do przewidywania sił liftujących w urządzeniach mikrofluidycznych bez konieczności podawania informacji o geometrii. Metoda wykorzystuje sieci neuronowe do szybkiego i dokładnego obliczania złożonych zjawisk fizycznych, co ma znaczenie dla projektowania mikrofluidycznych systemów separacji cząstek. To podejście łączy fizykę z AI, umożliwiając bardziej efektywne symulacje i przyspieszając proces opracowywania technologii biomedycznych.