МИТ тачно предвиђа са које висине и којом силом ће талас ударити обалу

Традиционално, да би предвидели понашање таласа који се прекида, научници користе једну од две методе: било који

покушавајући да симулира талас на основуинтеракције појединачних молекула воде и ваздушних гасова помоћу таласних једначина, или спровести експерименте и мерити стварне податке. Такви приступи, како су приметили истраживачи са Технолошког института у Масачусетсу, прилично су сложени: први захтевају огромне рачунарске ресурсе, а други велики број експеримената.

У свом новом раду, објављеном у журналуНатуре Цоммуницатионс, научници са МИТ-а су користили и методе и машинско учење како би ефикасно предвидели понашање таласа који се прекидају. Истраживачи су открили да је нови модел бољи у предвиђању како и када се таласи разбију. На пример, вештачка интелигенција је прецизније проценила стрмину таласа непосредно пре пуцања, као и његову енергију и фреквенцију након лома од конвенционалних таласних једначина.

Истраживачи су прикупили податке о кретању таласа токомвреме експеримената у резервоару од 40 метара. На једном крају резервоара аутори рада су уградили весло чије је кретање довело до појаве таласа у средини резервоара. Сензори дуж целе дужине базена мерили су висину воде док се талас ширио.

Такви експерименти одузимају много времена.време. Између сваког експеримента, морате сачекати да се вода потпуно смири пре него што започнете следећи експеримент, иначе ће утицати једни на друге.

Деббие Илтинк, коаутор студије

Слика: МИТ

Научници су спровели око 250 експеримената икористио податке мерења за обуку неуронске мреже. На пример, алгоритам је научио да упоређује стварне таласе у експериментима са таласима предвиђеним у једноставном моделу, и на основу разлика између њих, подешава модел тако да одговара стварности.

Након обуке алгоритма на експерименталномОви истраживачи су тестирали перформансе неуронске мреже на подацима два независна експеримента, од којих је сваки изведен у одвојеним резервоарима за таласе различитих величина. Тестови су показали да неуронска мрежа даје тачнија предвиђања од резултата добијених коришћењем таласних једначина.

Како напомињу аутори рада, ухватио је и АИважно својство прекида таласа, познато као "довнсхифт", у којем се фреквенција таласа помера на нижу вредност. Према истраживачима, ово је веома важан фактор, јер како се фреквенција смањује, талас се убрзава. Неуронска мрежа предвиђа промену фреквенције пре и после сваког преломног таласа, што може бити посебно важно када се припремате за обалне олује.

„Ако желите да предвидите када је високоталаси ће стићи до луке и напустити је пре него што ови таласи стигну, а онда ако погрешно схватите фреквенцију таласа, онда ће израчуната брзина приближавања таласа бити погрешна“, додаје Илтинк.

Истраживачи су представили свој модел у обликусофтвер отвореног кода који је доступан свим корисницима. Аутори верују да може бити корисно, на пример, у климатском моделовању способности океана да апсорбује угљен-диоксид и друге атмосферске гасове, као и за моделирање тестирања приобалних платформи и обалних објеката.

Опширније:

Лови се вековима: шта знамо о планети Вулкан поред Сунца

Физичари су експериментално потврдили нови фундаментални закон за течности

Астрономи су пронашли планету близу Земље: она има веома чудну орбиту