MIT tiksliai nuspėja, kokio aukščio ir kokia jėga banga pasieks krantą

Tradiciškai, norėdami numatyti lūžtančios bangos elgesį, mokslininkai naudoja vieną iš dviejų metodų: arba

bando imituoti bangą remiantisatskirų vandens molekulių ir oro dujų sąveiką naudojant bangų lygtis arba atlikti eksperimentus ir išmatuoti faktinius duomenis. Tokie metodai, kaip pastebėjo Masačusetso technologijos instituto mokslininkai, yra gana sudėtingi: pirmasis reikalauja didžiulių skaičiavimo išteklių, o antrasis – daugybės eksperimentų.

Savo naujame darbe, paskelbtame žurnaleNature Communications, MIT mokslininkai naudojo ir metodus, ir mašininį mokymąsi, kad efektyviai prognozuotų lūžtančių bangų elgesį. Tyrėjai nustatė, kad naujasis modelis geriau nuspėja, kaip ir kada bangos lūžta. Pavyzdžiui, dirbtinis intelektas tiksliau nei įprastos bangos lygtys įvertino bangos statumą prieš pat lūžimą, taip pat jos energiją ir dažnį po lūžimo.

Tyrėjai surinko duomenis apie bangų judėjimą pereksperimentų laikas 40 metrų tanke. Viename bako gale darbo autoriai įrengė irklą, kurio judėjimas lėmė, kad tanko viduryje atsirado banga. Per visą baseino ilgį esantys jutikliai matavo vandens aukštį bangai plintant.

Tokie eksperimentai užima daug laiko.laikas. Tarp kiekvieno eksperimento, prieš pradėdami kitą eksperimentą, turite palaukti, kol vanduo visiškai nurims, kitaip jie paveiks vienas kitą.

Debbie Iltink, tyrimo bendraautorė

Vaizdas: MIT

Mokslininkai atliko apie 250 eksperimentų irnaudojo matavimo duomenis neuroniniam tinklui treniruoti. Pavyzdžiui, algoritmas išmoko eksperimentuose lyginti realias bangas su bangomis, kurios prognozuojamos pagal paprastą modelį, ir pagal jų skirtumus pakoreguoti modelį taip, kad jis atitiktų tikrovę.

Išmokę eksperimentinį algoritmąŠie tyrėjai išbandė neuroninio tinklo veikimą remdamiesi dviejų nepriklausomų eksperimentų duomenimis, kurių kiekvienas buvo atliktas atskiruose skirtingo dydžio bangų rezervuaruose. Bandymai parodė, kad neuroninis tinklas pateikia tikslesnes prognozes nei rezultatai, gauti naudojant bangų lygtis.

Kaip pažymi darbo autoriai, AI taip pat pagavosvarbi bangų lūžimo savybė, žinoma kaip „žemyn poslinkis“, kai bangos dažnis perkeliamas į mažesnę reikšmę. Pasak mokslininkų, tai labai svarbus veiksnys, nes dažniui mažėjant banga greitėja. Neuroninis tinklas numato dažnio pokytį prieš ir po kiekvienos lūžtančios bangos, o tai gali būti ypač svarbu ruošiantis pakrančių audroms.

„Jei norite nuspėti, kada aukštasbangos pasieks uostą ir paliks jį anksčiau nei šios bangos atplauks, tada jei bangos dažnis bus neteisingas, tada apskaičiuotas bangos artėjimo greitis bus neteisingas“, – priduria Yltink.

Tyrėjai pristatė savo modelį formojeatvirojo kodo programinė įranga, prieinama visiems vartotojams. Autoriai mano, kad tai gali būti naudinga, pavyzdžiui, modeliuojant vandenyno gebėjimą absorbuoti anglies dioksidą ir kitas atmosferos dujas klimato sąlygomis, taip pat modeliuojant atviroje jūroje esančių platformų ir pakrantės įrenginių bandymus.

Skaityti daugiau:

Jis buvo medžiojamas šimtmečius: ką mes žinome apie Vulkano planetą šalia Saulės

Fizikai eksperimentiškai patvirtino naują pagrindinį skysčių dėsnį

Astronomai netoli Žemės rado planetą: jos orbita labai keista