Metode baru membawa fisika ke pembelajaran mendalam untuk mensimulasikan turbulensi dengan lebih baik
Sciences

Metode baru membawa fisika ke pembelajaran mendalam untuk mensimulasikan turbulensi dengan lebih baik


Visualisasi simulasi komputer yang menunjukkan struktur kompleks dari aliran turbulensi. Kredit: Universitas Illinois di Urbana-Champaign

Pembelajaran mendalam, juga disebut pembelajaran mesin, mereproduksi data untuk membuat model skenario masalah dan menawarkan solusi. Namun, beberapa masalah dalam fisika tidak diketahui atau tidak dapat direpresentasikan secara detail secara matematis di komputer. Peneliti di University of Illinois Urbana-Champaign mengembangkan metode baru yang membawa fisika ke dalam proses pembelajaran mesin untuk membuat prediksi yang lebih baik.

Para peneliti menggunakan turbulensi untuk menguji metode mereka.

“Kami tidak tahu cara menuliskan semua turbulensi secara matematis dengan cara yang berguna. Ada hal yang tidak diketahui yang tidak dapat direpresentasikan di komputer, jadi kami menggunakan model pembelajaran mesin untuk mengetahui hal yang tidak diketahui. Kami melatihnya pada keduanya. melihat dan persamaan pengatur fisik pada saat yang sama sebagai bagian dari proses pembelajaran. Itulah yang membuatnya ajaib dan berhasil, “kata Profesor Willett dan Kepala Departemen Teknik Dirgantara Jonathan Freund.

Freund mengatakan kebutuhan akan metode ini sangat luas.

“Ini masalah lama. Orang-orang telah berjuang untuk mensimulasikan turbulensi dan memodelkan bagian-bagiannya yang tidak terwakili untuk waktu yang lama,” kata Freund.

Kemudian dia dan rekannya Justin Sirignano mendapat pencerahan.

“Kami belajar bahwa jika Anda mencoba melakukan pembelajaran mesin tanpa mempertimbangkan persamaan pengaturan fisika yang diketahui, itu tidak berhasil. Kami menggabungkannya dan berhasil.”

Saat merancang pesawat udara atau ruang angkasa, Freund mengatakan metode ini akan membantu para insinyur memprediksi apakah desain yang melibatkan aliran turbulen akan berhasil atau tidak untuk tujuan mereka. Mereka akan dapat membuat perubahan, menjalankannya lagi untuk mendapatkan prediksi perpindahan panas atau daya angkat, dan memprediksi apakah desain mereka lebih baik atau lebih buruk.

“Siapapun yang ingin melakukan simulasi fenomena fisik dapat menggunakan metode baru ini. Mereka akan mengambil pendekatan kami dan memuat data ke perangkat lunak mereka sendiri. Ini adalah metode yang akan menerima fisika tak dikenal lainnya. Dan hasil pengamatan dari fisika tak dikenal itu dapat dimuat di untuk pelatihan, “kata Freund.

Pekerjaan dilakukan dengan menggunakan fasilitas super-komputasi di National Center for Supercomputing di UIUC yang dikenal sebagai Blue Waters, membuat simulasi lebih cepat dan lebih hemat biaya.

Langkah selanjutnya adalah menggunakan metode ini pada aliran turbulensi yang lebih realistis.

“Aliran turbulen yang kami gunakan untuk mendemonstrasikan metode ini adalah konfigurasi yang sangat sederhana,” kata Freund. “Aliran nyata lebih kompleks. Saya juga ingin menggunakan metode turbulensi dengan api di dalamnya — seluruh jenis fisika tambahan. Ini adalah sesuatu yang kami rencanakan untuk terus dikembangkan di Pusat Desain Scramjet berkemampuan Exascale baru, bertempat di NCSA. “

Freund mengatakan pekerjaan ini berada pada tingkat penelitian tetapi berpotensi mempengaruhi industri di masa depan.

“Universitas sangat aktif dalam simulasi turbulensi pertama, kemudian industri mengambilnya. Simulasi pusaran arus besar berbasis universitas pertama terlihat sangat mahal di tahun 80-an dan 90-an. Tapi sekarang perusahaan melakukan simulasi pusaran besar. Kami berharap kemampuan prediksi ini akan ikuti jalan yang sama. Saya dapat melihat suatu hari di masa depan dengan teknik yang lebih baik dan komputer yang lebih cepat sehingga perusahaan akan mulai menggunakannya. “

Studi, “DPM: Metode pembesaran PDE pembelajaran mendalam dengan aplikasi untuk simulasi pusaran besar,” dipublikasikan di Jurnal Fisika Komputasi.


Model pembakaran baru meningkatkan efisiensi dan akurasi


Informasi lebih lanjut:
Justin Sirignano dkk. DPM: Metode augmentasi PDE pembelajaran mendalam dengan aplikasi simulasi eddy-besar, Jurnal Fisika Komputasi (2020). DOI: 10.1016 / j.jcp.2020.109811

Disediakan oleh University of Illinois di Urbana-Champaign

Kutipan: Metode baru membawa fisika ke pembelajaran mendalam untuk mensimulasikan turbulensi dengan lebih baik (2020, 11 November), diakses 27 November 2020 dari https://techxplore.com/news/2020-11-method-physics-deep-simulate-turbulence.html

Dokumen ini memiliki hak cipta. Selain dari transaksi yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten disediakan untuk tujuan informasi saja.


Halaman Ini Di Persembahkan Oleh : Hongkong Prize