Понимание турбулентности с помощью искусственного интеллекта

Новости сегодня - Понимание турбулентности с помощью искусственного интеллекта

Когда мы слышим слово «турбулентность», первая ассоциация, которая часто приходит на ум, — это неприятные толчки, возникающие во время полета на самолете. Однако турбулентность означает нерегулярное и хаотическое поведение, демонстрируемое жидкостями, газами и жидкостями в широком спектре сценариев. Подумайте о вихрях воздуха в наших городах, водах морей и рек или внутри двигателей и вокруг транспортных средств, таких как автомобили, корабли и самолеты.

На самом деле турбулентность является важным фактором рассеивания энергии на этих видах транспорта, на ее долю приходится до 15% ежегодных выбросов CO₂ , генерируемых человечеством.

Теперь международная группа, состоящая из ученых из Политехнического университета Валенсии и университетов Эдинбурга и Мельбурна под руководством Рикардо Винуэсы из Института потока Королевского технологического института, KTH, разработала новую методику, которая позволяет нам изучать турбулентность. совершенно иным способом, чем тот, который использовался последние 100 лет. Их работа была опубликована в журнале Nature Communications.

Основная трудность механики жидкости заключается в том, что «хотя уравнениям механики жидкости около 180 лет, проблема остается открытой. Эти уравнения неразрешимы алгебраически или численно для практических случаев даже для самых больших в мире компьютеров. Для типичного реактивного лайнера мы потребуется память, эквивалентная месяцу Интернета, только для настройки моделирования», — говорит Серджио Хойас, профессор аэрокосмической техники в UPV и исследователь в IUMPA.

«Нам необходимо понять турбулентность, чтобы улучшить упрощенные модели, используемые в повседневной жизни. И есть новый инструмент: искусственный интеллект », — говорит Винуэса.

В первый раз

Хотя в нескольких работах уже применяется искусственный интеллект к механике жидкости , большая новизна этого исследования заключается в том, что оно впервые позволяет не моделировать или предсказывать, а понимать турбулентность.

Из базы данных объемом около одного терабайта исследователи обучили нейронную сеть, позволяющую прогнозировать движение турбулентного потока. Используя эту сеть, им удалось отслеживать эволюцию потока, индивидуально удаляя небольшие структуры, а затем оценивая влияние этих структур с помощью алгоритма SHAP.

«Самое главное, что результаты этого анализа в точности соответствуют знаниям, полученным за последние 40 лет, и расширяют их. Нашему методу удалось воспроизвести эти знания, при этом нейронная сеть ничего не знает о физике», — говорит Андрес Кремадес, постдокторант научный сотрудник КТН и первый автор статьи.

«Экспериментальная проверка на данных Мельбурнского университета показывает, что наш метод применим к реалистичным потокам и открывает новый путь к пониманию турбулентности», — говорит Винуэса.

Новости партнеров: