MIT Precīzi prognozē, no kāda augstuma un ar kādu spēku krastā sitīsies vilnis

Tradicionāli, lai prognozētu lūzuma viļņa uzvedību, zinātnieki izmanto vienu no divām metodēm: vai nu

mēģinot simulēt vilni, pamatojoties uzatsevišķu ūdens molekulu un gaisa gāzu mijiedarbību, izmantojot viļņu vienādojumus, vai veikt eksperimentus un izmērīt faktiskos datus. Šādas pieejas, kā atzīmēja Masačūsetsas Tehnoloģiju institūta pētnieki, ir diezgan sarežģītas: pirmajai ir nepieciešami milzīgi skaitļošanas resursi, bet otrajai ir nepieciešams liels skaits eksperimentu.

Savā jaunajā darbā, kas publicēts žurnālāNature Communications, MIT zinātnieki izmantoja gan metodes, gan mašīnmācīšanos, lai efektīvi prognozētu plīstošo viļņu uzvedību. Pētnieki atklāja, ka jaunais modelis labāk prognozē, kā un kad viļņi plīst. Piemēram, mākslīgais intelekts precīzāk nekā parastie viļņu vienādojumi novērtēja viļņa stāvumu tieši pirms pārrāvuma, kā arī tā enerģiju un frekvenci pēc pārrāvuma.

Pētnieki savāca datus par viļņu kustību laikāeksperimentu laiks 40 metru tvertnē. Vienā tvertnes galā darba autori uzstādīja airi, kura kustība noveda pie viļņa parādīšanās tvertnes vidū. Sensori visā baseina garumā mērīja ūdens augstumu vilnim izplatoties.

Šādi eksperimenti aizņem daudz laika.laiks. Starp katru eksperimentu pirms nākamā eksperimenta uzsākšanas ir jāgaida, līdz ūdens kļūst pilnīgi mierīgs, pretējā gadījumā tie ietekmēs viens otru.

Debija Iltink, pētījuma līdzautore

Attēls: MIT

Zinātnieki veica aptuveni 250 eksperimentus unizmantoja mērījumu datus, lai apmācītu neironu tīklu. Piemēram, algoritms ir iemācījies eksperimentos salīdzināt reālos viļņus ar vienkāršā modelī paredzētajiem viļņiem un, pamatojoties uz atšķirībām starp tiem, noregulēt modeli tā, lai tas atbilstu realitātei.

Pēc algoritma apmācības eksperimentālāŠie pētnieki pārbaudīja neironu tīkla veiktspēju, pamatojoties uz divu neatkarīgu eksperimentu datiem, no kuriem katrs tika veikts atsevišķās dažāda izmēra viļņu tvertnēs. Testi ir parādījuši, ka neironu tīkls sniedz precīzākas prognozes nekā rezultāti, kas iegūti, izmantojot viļņu vienādojumus.

Kā atzīmē darba autori, AI arī noķērasvarīga viļņu lūzuma īpašība, kas pazīstama kā "nobīde uz leju", kurā viļņa frekvence tiek novirzīta uz zemāku vērtību. Pēc pētnieku domām, tas ir ļoti svarīgs faktors, jo, frekvencei samazinoties, vilnis paātrinās. Neironu tīkls paredz frekvences izmaiņas pirms un pēc katra viļņa lūzuma, kas var būt īpaši svarīgi, gatavojoties piekrastes vētrām.

“Ja vēlaties paredzēt, kad tas būs augstsviļņi sasniegs ostu un atstās to pirms šo viļņu ierašanās, tad, ja viļņa frekvence būs nepareiza, tad aprēķinātais viļņu tuvošanās ātrums būs nepareizs," piebilst Yltink.

Pētnieki prezentēja savu modeli formāatvērtā pirmkoda programmatūra, kas ir pieejama visiem lietotājiem. Autori uzskata, ka tas var būt noderīgs, piemēram, klimata modelēšanā par okeāna spēju absorbēt oglekļa dioksīdu un citas atmosfēras gāzes, kā arī modelējot jūras platformu un piekrastes objektu testēšanu.

Lasīt vairāk:

Tas ir medīts gadsimtiem ilgi: ko mēs zinām par planētu Vulkāns blakus Saulei

Fiziķi ir eksperimentāli apstiprinājuši jaunu šķidrumu pamatlikumu

Astronomi ir atraduši planētu netālu no Zemes: tai ir ļoti dīvaina orbīta