Tradicionalno, za predviđanje ponašanja vala koji se lomi, znanstvenici koriste jednu od dvije metode: bilo
U svom novom radu, objavljenom u časopisuNature Communications, znanstvenici s MIT-a koristili su obje metode i strojno učenje kako bi učinkovito predvidjeli ponašanje lomljenih valova. Istraživači su otkrili da je novi model bolji u predviđanju kako i kada se valovi razbijaju. Na primjer, AI je procijenio strminu vala neposredno prije pucanja, kao i njegovu energiju i frekvenciju nakon loma, točnije od konvencionalnih valnih jednadžbi.
Istraživači su prikupili podatke o kretanju valova tijekomvrijeme pokusa u spremniku od 40 metara. Na jednom kraju spremnika autori rada ugradili su veslo čije je kretanje dovelo do pojave vala u sredini spremnika. Senzori duž cijele dužine bazena mjerili su visinu vode kako se val širio.
Takvi eksperimenti oduzimaju puno vremena.vrijeme. Između svakog pokusa morate pričekati da se voda potpuno smiri prije početka sljedećeg eksperimenta, inače će utjecati jedni na druge.
Debbie Iltink, koautorica studije
Slika: MIT
Znanstvenici su proveli oko 250 eksperimenata ikoristio mjerne podatke za treniranje neuronske mreže. Na primjer, algoritam je naučio uspoređivati stvarne valove u eksperimentima s valovima predviđenim u jednostavnom modelu i na temelju razlika između njih prilagoditi model tako da odgovara stvarnosti.
Nakon uvježbavanja algoritma na eksperimentalnomOvi su istraživači testirali izvedbu neuronske mreže na podacima dva neovisna eksperimenta, od kojih se svaki provodi u zasebnim valnim spremnicima različitih veličina. Testovi su pokazali da neuronska mreža daje točnija predviđanja od rezultata dobivenih pomoću valnih jednadžbi.
Kako napominju autori rada, uhvatio je i AIvažno svojstvo prekida valova, poznato kao "downshift", u kojem se frekvencija vala pomiče na nižu vrijednost. Prema istraživačima, to je vrlo važan čimbenik, jer kako se frekvencija smanjuje, val se ubrzava. Neuronska mreža predviđa promjenu frekvencije prije i nakon svakog prolomnog vala, što može biti posebno važno kod priprema za obalne oluje.
“Ako želite predvidjeti kada je visokovalovi će doći do luke i napustiti je prije nego što ti valovi stignu, a onda ako krivo shvatite frekvenciju valova, tada će izračunata brzina približavanja vala biti pogrešna”, dodaje Yltink.
Istraživači su svoj model predstavili u oblikusoftver otvorenog koda koji je dostupan svim korisnicima. Autori smatraju da može biti korisno, primjerice, u klimatskom modeliranju sposobnosti oceana da apsorbira ugljični dioksid i druge atmosferske plinove, kao i za modeliranje testiranja morskih platformi i obalnih objekata.
Čitaj više:
Lovi se stoljećima: što znamo o planetu Vulkan pored Sunca
Fizičari su eksperimentalno potvrdili novi temeljni zakon za tekućine
Astronomi su pronašli planet blizu Zemlje: ima vrlo čudnu orbitu