전통적으로 부서지는 파도의 행동을 예측하기 위해 과학자들은 두 가지 방법 중 하나를 사용합니다.
저널에 실린 그의 신작에서MIT의 과학자인 Nature Communications는 방법과 기계 학습을 모두 사용하여 파도가 부서지는 동작을 효과적으로 예측했습니다. 연구원들은 새로운 모델이 파도가 부서지는 방법과 시기를 더 잘 예측한다는 것을 발견했습니다. 예를 들어 AI는 기존의 파동 방정식보다 더 정확하게 부서지기 직전의 파동의 기울기와 파동 후의 에너지 및 주파수를 추정했습니다.
연구원들은 파동의 움직임에 대한 데이터를 수집했습니다.40 미터 탱크에서의 실험 시간. 탱크의 한쪽 끝에 작품의 저자는 노를 설치했으며 그 움직임으로 탱크 중앙에 파도가 나타났습니다. 수영장 전체 길이에 있는 센서는 파도가 전파됨에 따라 물의 높이를 측정했습니다.
그러한 실험에는 많은 시간이 걸립니다.시각. 각 실험 사이에 다음 실험을 시작하기 전에 물이 완전히 진정될 때까지 기다려야 합니다. 그렇지 않으면 서로 영향을 미칩니다.
Debbie Iltink, 연구 공동 저자
이미지: MIT
과학자들은 약 250개의 실험을 수행했으며측정 데이터를 사용하여 신경망을 훈련했습니다. 예를 들어, 알고리즘은 실험에서 실제 파동을 단순 모델에서 예측된 파동과 비교하는 방법을 학습했으며, 그 차이를 기반으로 실제와 일치하도록 모델을 조정합니다.
실험에 대한 알고리즘 교육 후이 연구원들은 두 개의 독립적인 실험 데이터에 대해 신경망의 성능을 테스트했으며, 각 실험은 크기가 다른 별도의 파도 탱크에서 수행되었습니다. 테스트에 따르면 신경망은 파동 방정식을 사용하여 얻은 결과보다 더 정확한 예측을 제공합니다.
작업 노트의 저자는 AI도 포착했습니다.파동의 주파수가 더 낮은 값으로 이동하는 "다운시프트"로 알려진 파동의 중요한 속성입니다. 연구원들에 따르면, 이것은 주파수가 감소함에 따라 파동이 가속되기 때문에 매우 중요한 요소입니다. 신경망은 각 파도가 부서지기 전과 후의 주파수 변화를 예측하며, 이는 해안 폭풍에 대비할 때 특히 중요할 수 있습니다.
"높은 시점을 예측하려면파도는 이 파도가 도착하기 전에 항구에 도달하여 떠나고, 파도 주파수가 잘못되면 계산된 파도 접근 속도가 틀릴 것입니다."라고 Yltink는 덧붙입니다.
연구자들은 그들의 모델을 다음과 같은 형태로 제시했습니다.모든 사용자가 사용할 수 있는 오픈 소스 소프트웨어. 저자들은 예를 들어 해양이 이산화탄소 및 기타 대기 가스를 흡수하는 능력에 대한 기후 모델링과 연안 플랫폼 및 연안 시설의 테스트를 모델링하는 데 유용할 수 있다고 믿습니다.
더 읽어보기 :
그것은 수세기 동안 사냥되었습니다. 우리는 태양 옆에 행성 Vulcan에 대해 무엇을 압니까?
물리학자들은 액체에 대한 새로운 기본 법칙을 실험적으로 확인했습니다.
천문학자들은 지구 근처에서 행성을 발견했습니다: 그것은 매우 이상한 궤도를 가지고 있습니다