تكنولوجيا

يستخدم مهندسو معهد ماساتشوستس للتكنولوجيا الذكاء الاصطناعي لالتقاط تعقيد الأمواج المتكسرة

نموذج كيف تنكسر الأمواج

باستخدام التعلم الآلي والبيانات من تجارب خزان الموجة ، وجد مهندسو معهد ماساتشوستس للتكنولوجيا طريقة لنمذجة كيفية تحطم الأمواج. “باستخدام هذا ، يمكنك محاكاة الموجات للمساعدة في تصميم الهياكل بشكل أفضل ، وأكثر كفاءة ، وبدون عوامل أمان ضخمة ،” كما يقول Themis Sapsis. الائتمان: iStockphoto

يجب أن تساعد تنبؤات النموذج الجديد الباحثين على تحسين محاكاة مناخ المحيطات وتحسين تصميم الهياكل البحرية.

تنكسر الأمواج بمجرد وصولها إلى ارتفاع حرج ، قبل أن تبلغ ذروتها وتتصادم في وابل من القطرات والفقاعات. يمكن أن تكون هذه الموجات كبيرة مثل كسر نقطة راكب الأمواج وصغيرة مثل تموج طفيف يتدحرج نحو الشاطئ. لعقود من الزمن ، كانت ديناميكيات كيف ومتى تنكسر الموجة معقدة للغاية بحيث يتعذر على العلماء التنبؤ بها.

حاليا، معهد ماساتشوستس للتكنولوجيا اكتشف المهندسون طريقة جديدة لنمذجة كيفية تحطم الأمواج. قام الباحثون بتعديل المعادلات التي تم استخدامها سابقًا للتنبؤ بسلوك الموجة باستخدام التعلم الآلي وبيانات اختبار خزان الموجة. كثيرًا ما يستخدم المهندسون مثل هذه المعادلات لمساعدتهم على تصميم منصات وهياكل بحرية قوية. لكن حتى الآن ، لم تكن المعادلات قادرة على التقاط مدى تعقيد الموجات المتكسرة.

وجد الباحثون أن النموذج المعدل توقع كيف ومتى تنكسر الأمواج بشكل أكثر دقة. قدّر النموذج ، على سبيل المثال ، شدة انحدار الموجة قبل وقت قصير من الانكسار ، وطاقتها وترددها بعد الانكسار ، بدقة أكثر من معادلات الموجة التقليدية.

تم نشر نتائجهم مؤخرًا في المجلة التواصل مع الطبيعة، سيساعد العلماء على فهم كيفية تأثير الموجة المنكسرة على الماء من حولها. يمكن أن تساعد المعرفة الدقيقة لكيفية تفاعل هذه الموجات في تحسين تصميم الهياكل البحرية. يمكنه أيضًا تحسين التنبؤات حول كيفية تفاعل المحيط مع الغلاف الجوي. يمكن أن يساعد الحصول على تقديرات أفضل لكيفية تحطم الأمواج العلماء على التنبؤ ، على سبيل المثال ، بكمية ثاني أكسيد الكربون وغازات الغلاف الجوي الأخرى التي يمكن للمحيطات امتصاصها.

يقول مؤلف الدراسة ثيميس سابسيس ، وهو أستاذ مشارك في الهندسة الميكانيكية وهندسة المحيطات وعضو في معهد البيانات والأنظمة والمجتمع التابع لمعهد ماساتشوستس للتكنولوجيا: “كسر الأمواج هو ما يضع الهواء في المحيط”. “قد يبدو الأمر وكأنه أحد التفاصيل ، ولكن إذا ضاعفت تأثيره على مساحة المحيط بأكمله ، فإن كسر الموجة يبدأ في أن يصبح مهمًا بشكل أساسي للتنبؤ بالمناخ.”

يشمل المؤلفون المشاركون في الدراسة المؤلف الرئيسي وزميلة ما بعد الدكتوراه في معهد ماساتشوستس للتكنولوجيا ديبي إلتنك ، وهوبرت برانجر وكريستوفر لونو من جامعة إيكس-مرسيليا ، وأمين شبشوب من جامعة كيوتو ، وجيروم كاسباريان من جامعة جنيف ، و TS van den Bremer. من جامعة دلفت للتكنولوجيا. .

خزان التعلم

للتنبؤ بديناميات موجة الانكسار ، يتخذ العلماء عادةً أحد النهجين: إما أنهم يحاولون محاكاة الموجة بدقة على مقياس جزيئات الماء والهواء الفردية ، أو يجرون تجارب لمحاولة تمييز الموجات بقياسات حقيقية. النهج الأول مكلف حسابيًا ويصعب محاكاته حتى في منطقة صغيرة ؛ تتطلب الثانية قدراً هائلاً من الوقت لإجراء تجارب كافية لإنتاج نتائج ذات دلالة إحصائية.

بدلاً من ذلك ، استعار فريق معهد ماساتشوستس للتكنولوجيا عناصر من كلا النهجين لتطوير نموذج أكثر كفاءة ودقة باستخدام التعلم الآلي. بدأ الباحثون بمجموعة من المعادلات التي تعتبر الوصف القياسي لسلوك الموجة. كانوا يهدفون إلى تحسين النموذج من خلال “تدريب” النموذج على بيانات الموجة المتكسرة من التجارب الحقيقية.

يقول إيلتينك: “كان لدينا نموذجًا بسيطًا لا يلتقط كسر الموجة ، ثم توصلنا إلى الحقيقة ، وهي التجارب التي تتضمن كسر الموجة”. “ثم أردنا استخدام التعلم الآلي لمعرفة الفرق بين الاثنين.”

حصل الباحثون على بيانات عن تكسر الموجة من خلال إجراء تجارب في خزان طوله 40 مترًا. تم تجهيز الخزان في أحد طرفيه بمجداف يستخدمه الفريق لبدء كل موجة. قام الفريق بضبط المضرب لإنتاج موجة تكسير في منتصف الخزان. المقاييس التي تعمل على طول الخزان تقيس ارتفاع الماء أثناء انتشار الموجات عبر الخزان.

يقول إيلتينك: “يستغرق إجراء هذه التجارب وقتًا طويلاً”. “بين كل تجربة ، عليك الانتظار حتى يهدأ الماء تمامًا قبل بدء التجربة التالية ، وإلا فسيؤثر كل منهما على الآخر.”

منفذ آمن

في المجموع ، أجرى الفريق حوالي 250 تجربة ، تم استخدام البيانات منها لتدريب نوع من خوارزمية التعلم الآلي المعروفة باسم الشبكة العصبية. على وجه التحديد ، يتم تدريب الخوارزمية على مقارنة الموجات الفعلية في التجارب بالموجات المتوقعة في النموذج البسيط ، وبناءً على أي اختلاف بين الاثنين ، تقوم الخوارزمية بضبط النموذج ليلائم الواقع.

بعد تدريب الخوارزمية على بياناتهم التجريبية ، عرّض الفريق النموذج لبيانات جديدة تمامًا – في هذه الحالة ، قياسات من تجربتين مستقلتين ، كل منهما تعمل في خزانات موجية منفصلة بأبعاد مختلفة. في هذه الاختبارات ، وجدوا أن النموذج المحدث قدم تنبؤات أكثر دقة من النموذج البسيط غير المدرب ، مثل عمل تقديرات أفضل لمنحدر الموجة المنكسرة.

استحوذ النموذج الجديد أيضًا على خاصية أساسية تتمثل في كسر الموجات المعروفة باسم “الارتداد” ، حيث يتم تحويل تردد الموجة إلى قيمة أقل. تعتمد سرعة الموجة على ترددها. بالنسبة لأمواج المحيط ، تنتقل الترددات المنخفضة أسرع من الترددات العالية. لذلك ، بعد التحول الهبوطي ، ستتحرك الموجة بشكل أسرع. يتنبأ النموذج الجديد بالتغير في التردد ، قبل وبعد كل موجة كسر ، والتي يمكن أن تكون ذات صلة بشكل خاص بالتحضير للعواصف الساحلية.

“عندما تريد التنبؤ بموعد ارتطام الأمواج العالية بميناء ما ، وتريد مغادرة الميناء قبل وصول تلك الموجات ، فعندئذٍ إذا كنت مخطئًا بشأن تردد الموجات ، فعندئذٍ السرعة التي تقترب بها الأمواج يقول إلتنك.

يأتي نموذج الموجة المحدث للفريق كرمز مفتوح المصدر يمكن للآخرين استخدامه ، على سبيل المثال في محاكاة المناخ لقدرة المحيط على امتصاص ثاني أكسيد الكربون وغازات الغلاف الجوي الأخرى. يمكن أيضًا دمج الكود في اختبار محاكاة للمنصات البحرية والهياكل الساحلية.

يقول Sapsis: “الهدف الأول لهذا النموذج هو توقع ما ستفعله الموجة”. “إذا لم تقم بنمذجة كسر الموجة بشكل صحيح ، فسيكون لها آثار هائلة على سلوك الهياكل. باستخدام هذا يمكنك محاكاة الموجات للمساعدة في تصميم الهياكل بشكل أفضل وأكثر كفاءة وبدون عوامل أمان ضخمة.

المرجع: “تطور الموجة غير الخطية مع الانهيار المستند إلى البيانات” بقلم دي إلتنك ، هـ. برانجر ، سي لونو ، واي. هي ، أ. شبشوب ، ج. كاسباريان ، تي إس فان دن بريمر وتي بي سابسيس ، 29 أبريل 2022 ، التواصل مع الطبيعة.
DOI: 10.1038 / s41467-022-30025-z

هذا البحث مدعوم جزئيًا من قبل مؤسسة العلوم الوطنية السويسرية ومكتب الولايات المتحدة للبحوث البحرية.


Source link

مقالات ذات صلة

أضف تعليقاً

لن يتم نشر عنوان بريدك الإلكتروني.

Back to top button