Az MIT pontosan megjósolja, hogy milyen magasságból és milyen erővel éri majd a partot a hullám

Hagyományosan a törőhullám viselkedésének előrejelzésére a tudósok két módszer egyikét alkalmazzák: bármelyiket

alapján próbál szimulálni egy hullámotaz egyes vízmolekulák és levegőgázok kölcsönhatásait hullámegyenletek segítségével, vagy végezzen kísérleteket és mérje meg a tényleges adatokat. Az ilyen megközelítések, amint azt a Massachusetts Institute of Technology kutatói megjegyezték, meglehetősen összetettek: az első hatalmas számítási erőforrásokat, a második pedig nagyszámú kísérletet igényel.

folyóiratban megjelent új munkájábanA Nature Communications, az MIT tudósai módszereket és gépi tanulást is alkalmaztak a megtörő hullámok viselkedésének hatékony előrejelzésére. A kutatók azt találták, hogy az új modell jobban megjósolja, hogyan és mikor törnek fel a hullámok. Például az AI a hagyományos hullámegyenleteknél pontosabban becsülte meg a hullám meredekségét közvetlenül a törés előtt, valamint az energiáját és frekvenciáját a törés után.

A kutatók adatokat gyűjtöttek a hullámok mozgásárólkísérletek ideje 40 méteres tartályban. A tartály egyik végébe a munka szerzői egy evezőt szereltek fel, melynek mozgása a tartály közepén egy hullám megjelenéséhez vezetett. Az érzékelők a medence teljes hosszában mérték a víz magasságát a hullám terjedése közben.

Az ilyen kísérletek sok időt vesznek igénybe.idő. Az egyes kísérletek között meg kell várni, amíg a víz teljesen lenyugszik, mielőtt elkezdi a következő kísérletet, különben hatással lesznek egymásra.

Debbie Iltink, a tanulmány társszerzője

Kép: MIT

A tudósok mintegy 250 kísérletet végeztek ésa mérési adatokat a neurális hálózat betanításához használta. Például az algoritmus megtanulta összehasonlítani a kísérletekben a valós hullámokat egy egyszerű modellben megjósolt hullámokkal, és a köztük lévő különbségek alapján úgy igazítani a modellt, hogy az megfeleljen a valóságnak.

Az algoritmus kísérleti betanítása utánA kutatók két független kísérlet adatain tesztelték a neurális hálózat teljesítményét, amelyek mindegyikét különálló, eltérő méretű hullámtartályokban végzik. A tesztek kimutatták, hogy a neurális hálózat pontosabb előrejelzéseket ad, mint a hullámegyenletekkel kapott eredmények.

Ahogy a mű szerzői megjegyzik, az AI is elkaptaa hullámtörés fontos tulajdonsága, az úgynevezett "downshift", amelyben a hullám frekvenciája alacsonyabb értékre tolódik el. A kutatók szerint ez nagyon fontos tényező, ugyanis a frekvencia csökkenésével a hullám felgyorsul. A neurális hálózat minden egyes hullámtörés előtt és után előrejelzi a frekvencia változását, ami különösen fontos lehet a parti viharokra való felkészülés során.

„Ha meg akarod jósolni, hogy mikora hullámok elérik a kikötőt, és elhagyják azt, mielőtt ezek a hullámok megérkeznének, majd ha rosszul adja meg a hullámfrekvenciát, akkor a számított hullám megközelítési sebessége rossz lesz” – teszi hozzá Yltink.

A kutatók modelljüket a formában mutatták benyílt forráskódú szoftver, amely minden felhasználó számára elérhető. A szerzők úgy vélik, hogy hasznos lehet például az óceán szén-dioxid- és egyéb légköri gázok elnyelő képességének klímamodellezésében, valamint offshore platformok és part menti létesítmények tesztelésének modellezésében.

Olvass tovább:

Évszázadok óta vadásznak rá: mit tudunk a Nap melletti Vulkán bolygóról

A fizikusok kísérletileg megerősítették a folyadékokra vonatkozó új alaptörvényt

A csillagászok egy bolygót találtak a Föld közelében: nagyon furcsa pályája van