Традиционно, чтобы предсказать поведение прибойной волны, ученые используют один из двух способов: либо пытаются смоделировать волну на основе взаимодействия отдельных молекул воды и газов воздуха при помощи волновых уравнений, либо проводят эксперименты и измеряют фактические данные. Такие подходы, как отмечают исследователи из Массачусетского технологического института, довольно сложны: первый требует огромных вычислительных ресурсов, а второй — большого количества экспериментов.
В своей новой работе, опубликованной в журнале Nature Communications, ученые из MIT использовали оба метода и машинное обучение, чтобы эффективно предсказывать поведение прибойных волн. Исследователи обнаружили, что новая модель лучше прогнозирует, как и когда разрушаются волны. Например, ИИ оценил крутизну волны непосредственно перед обрушением, а также ее энергию и частоту после обрушения точнее, чем обычные волновые уравнения.
Исследователи собирали данные о движении волн во время экспериментов в 40-метровом резервуаре. На одном конце бака авторы работы установили весло, движение которого приводило к возникновению в середине резервуара волны. Датчики по всей длине бассейна измеряли высоту воды в процессе распространения волны.
Проведение таких экспериментов занимает много времени. Между каждым экспериментом вы должны ждать, пока вода полностью успокоится, прежде чем запускать следующий эксперимент, иначе они влияют друг на друга.
Дебби Илтинк, соавтор исследования
Ученые провели около 250 экспериментов и использовали данные измерений для обучения нейронной сети. Например, алгоритм научился сравнивать реальные волны в экспериментах с волнами, предсказанными в простой модели, и на основе различий между ними настраивать модель так, чтобы она соответствовала реальности.
После обучения алгоритма на экспериментальных данных исследователи проверили работу нейросети на данных двух независимых экспериментов, каждый из которых проводится в отдельных волновых резервуарах с разными размерами. Тесты показали, что нейросеть дает более точные прогнозы, чем результаты, полученные при использовании волновых уравнений.
Как отмечают авторы работы, ИИ также уловил важное свойство обрушивающихся волн, известное как «сдвиг вниз», при котором частота волны смещается к более низкому значению. По словам исследователей, это очень важный фактор, потому что при снижении частоты волна ускоряется. Нейросеть предсказывает изменение частоты до и после каждой прибойной волны, что может быть особенно актуально при подготовке к прибрежным штормам.
«Если вы хотите спрогнозировать, когда высокие волны достигнут гавани, и покинуть ее до того, как эти волны придут, тогда, если вы ошибетесь в частоте волн, то рассчитанная скорость приближения волны будет неверной», — добавляет Илтинк.
Исследователи представили свою модель в виде программы с открытым исходным кодом, которая доступна всем пользователям. Авторы считают, что она может быть полезна, например, в климатическом моделировании способности океана поглощать углекислый газ и другие атмосферные газы, а также для моделирования испытаний морских платформ и прибрежных сооружений.
Читать далее:
За ней охотились столетиями: что нам известно о планете Вулкан рядом с Солнцем
Физики экспериментально подтвердили новый фундаментальный закон для жидкостей
Астрономы нашли планету недалеко от Земли: у нее очень странная орбита