Παραδοσιακά, για να προβλέψουν τη συμπεριφορά ενός θραύσης κύματος, οι επιστήμονες χρησιμοποιούν μία από τις δύο μεθόδους: είτε
Στη νέα του δουλειά, που δημοσιεύτηκε στο περιοδικόNature Communications, οι επιστήμονες στο MIT χρησιμοποίησαν τόσο μεθόδους όσο και μηχανική μάθηση για να προβλέψουν αποτελεσματικά τη συμπεριφορά των κυμάτων που σπάνε. Οι ερευνητές διαπίστωσαν ότι το νέο μοντέλο είναι καλύτερο στο να προβλέψει πώς και πότε σπάνε τα κύματα. Για παράδειγμα, η τεχνητή νοημοσύνη υπολόγισε την απότομη κλίση ενός κύματος αμέσως πριν από το σπάσιμο, καθώς και την ενέργεια και τη συχνότητά του μετά το σπάσιμο, με μεγαλύτερη ακρίβεια από τις συμβατικές εξισώσεις κυμάτων.
Οι ερευνητές συνέλεξαν δεδομένα για την κίνηση των κυμάτων κατά τη διάρκειαχρόνος πειραμάτων σε δεξαμενή 40 μέτρων. Στη μία άκρη της δεξαμενής, οι συγγραφείς του έργου εγκατέστησαν ένα κουπί, η κίνηση του οποίου οδήγησε στην εμφάνιση ενός κύματος στη μέση της δεξαμενής. Αισθητήρες σε όλο το μήκος της πισίνας μέτρησαν το ύψος του νερού καθώς το κύμα διαδόθηκε.
Τέτοια πειράματα χρειάζονται πολύ χρόνο.χρόνος. Μεταξύ κάθε πειράματος, πρέπει να περιμένετε μέχρι το νερό να ηρεμήσει εντελώς πριν ξεκινήσετε το επόμενο πείραμα, διαφορετικά θα επηρεάσουν το ένα το άλλο.
Debbie Iltink, συν-συγγραφέας της μελέτης
Εικόνα: MIT
Οι επιστήμονες πραγματοποίησαν περίπου 250 πειράματα καιχρησιμοποίησε τα δεδομένα μέτρησης για να εκπαιδεύσει το νευρωνικό δίκτυο. Για παράδειγμα, ο αλγόριθμος έχει μάθει να συγκρίνει πραγματικά κύματα σε πειράματα με κύματα που προβλέπονται σε ένα απλό μοντέλο και με βάση τις διαφορές μεταξύ τους, συντονίζει το μοντέλο έτσι ώστε να ταιριάζει με την πραγματικότητα.
Μετά την εκπαίδευση του αλγόριθμου σε πειραματικόΑυτοί οι ερευνητές δοκίμασαν την απόδοση του νευρωνικού δικτύου στα δεδομένα δύο ανεξάρτητων πειραμάτων, καθένα από τα οποία πραγματοποιείται σε χωριστές δεξαμενές κυμάτων με διαφορετικά μεγέθη. Οι δοκιμές έχουν δείξει ότι το νευρωνικό δίκτυο δίνει πιο ακριβείς προβλέψεις από τα αποτελέσματα που λαμβάνονται χρησιμοποιώντας εξισώσεις κυμάτων.
Όπως σημειώνουν οι συντάκτες του έργου, το AI έπιασε επίσηςμια σημαντική ιδιότητα της θραύσης των κυμάτων, γνωστή ως "downshift", στην οποία η συχνότητα του κύματος μετατοπίζεται σε χαμηλότερη τιμή. Σύμφωνα με τους ερευνητές, αυτός είναι ένας πολύ σημαντικός παράγοντας, γιατί όσο μειώνεται η συχνότητα, το κύμα επιταχύνεται. Το νευρωνικό δίκτυο προβλέπει την αλλαγή στη συχνότητα πριν και μετά από κάθε κύμα θραύσης, κάτι που μπορεί να είναι ιδιαίτερα σημαντικό κατά την προετοιμασία για παράκτιες καταιγίδες.
«Αν θέλετε να προβλέψετε πότε είναι ψηλάτα κύματα θα φτάσουν στο λιμάνι και θα το εγκαταλείψουν πριν φτάσουν αυτά τα κύματα, τότε αν λάβετε λάθος τη συχνότητα του κύματος, τότε η υπολογισμένη ταχύτητα προσέγγισης του κύματος θα είναι λάθος», προσθέτει ο Yltink.
Οι ερευνητές παρουσίασαν το μοντέλο τους στη φόρμαλογισμικό ανοιχτού κώδικα που είναι διαθέσιμο σε όλους τους χρήστες. Οι συγγραφείς πιστεύουν ότι μπορεί να είναι χρήσιμο, για παράδειγμα, στην κλιματική μοντελοποίηση της ικανότητας του ωκεανού να απορροφά διοξείδιο του άνθρακα και άλλα ατμοσφαιρικά αέρια, καθώς και στη μοντελοποίηση των δοκιμών υπεράκτιων πλατφορμών και παράκτιων εγκαταστάσεων.
Διαβάστε περισσότερα:
Το κυνηγούν εδώ και αιώνες: τι γνωρίζουμε για τον πλανήτη Vulcan δίπλα στον Ήλιο
Οι φυσικοί επιβεβαίωσαν πειραματικά έναν νέο θεμελιώδη νόμο για τα υγρά
Οι αστρονόμοι βρήκαν έναν πλανήτη κοντά στη Γη: έχει μια πολύ περίεργη τροχιά