Peneliti menghitung turbulensi dengan kecerdasan buatan
Machine

Peneliti menghitung turbulensi dengan kecerdasan buatan


Kredit: ETH Zurich

Untuk pertama kalinya, para peneliti di ETH Zurich berhasil mengotomatiskan pemodelan turbulensi dengan menggabungkan mekanika fluida dengan kecerdasan buatan. Proyek mereka mengandalkan algoritma pembelajaran penguatan sekering dengan simulasi aliran turbulen pada superkomputer CSCS Piz Daint.

Pemodelan dan simulasi aliran turbulen sangat penting untuk mendesain mobil dan katup jantung, memprediksi cuaca, dan bahkan menelusuri kembali kelahiran galaksi. Ahli matematika, fisikawan, dan insinyur Yunani Archimedes menyibukkan diri dengan mekanika fluida sekitar 2.000 tahun yang lalu, dan hingga hari ini, kompleksitas aliran fluida masih belum sepenuhnya dipahami. Fisikawan Richard Feynman menghitung turbulensi sebagai salah satu masalah terpenting yang belum terpecahkan dalam fisika klasik, dan tetap menjadi topik aktif bagi para insinyur, ilmuwan, dan ahli matematika. Insinyur harus mempertimbangkan efek aliran turbulen saat membangun pesawat terbang atau katup jantung prostetik. Ahli meteorologi perlu memperhitungkannya saat meramalkan cuaca, seperti halnya astrofisikawan saat mensimulasikan galaksi. Akibatnya, peneliti dari komunitas ini telah membuat model turbulensi dan melakukan simulasi aliran selama lebih dari 60 tahun.

Arus turbulen dicirikan oleh struktur aliran yang mencakup skala spasial dan temporal yang luas. Ada dua pendekatan utama untuk mensimulasikan struktur aliran kompleks ini: Satu adalah simulasi numerik langsung (DNS), dan yang lainnya adalah simulasi pusaran arus besar (LES).

Simulasi aliran menguji batasan superkomputer

DNS memecahkan persamaan Navier-Stokes, yang merupakan inti dari deskripsi aliran, dengan resolusi miliaran dan terkadang triliun titik kisi. DNS adalah cara paling akurat untuk menghitung perilaku aliran, tetapi sayangnya cara ini tidak praktis untuk sebagian besar aplikasi dunia nyata. Untuk menangkap detail aliran turbulen ini, mereka membutuhkan lebih banyak titik jaringan daripada yang dapat ditangani oleh komputer mana pun di masa mendatang.

Alhasil, peneliti menggunakan model dalam simulasinya sehingga tidak perlu menghitung setiap detail untuk menjaga akurasi. Dalam pendekatan LES, struktur aliran besar diselesaikan, dan yang disebut model penutupan turbulensi memperhitungkan skala aliran yang lebih halus dan interaksinya dengan skala besar. Namun, pemilihan model closure yang tepat sangat penting untuk akurasi hasil.

Peneliti menghitung turbulensi dengan kecerdasan buatan

Skema multi-agent reinforcement learning (MARL) untuk pemodelan. Agen (ditandai dengan kubus merah) menjalankan kebijakan kontrol yang memaksimalkan kesamaan antar simulasi. Kredit: CSElab / ETH Zurich)

Melainkan seni daripada sains

“Pemodelan model penutupan turbulensi sebagian besar telah mengikuti proses empiris selama 60 tahun terakhir dan lebih merupakan seni daripada sains,” kata Petros Koumoutsakos, profesor di Laboratory for Computational Science and Engineering di ETH Zurich. Koumoutsakos, gelar Ph.D. Guido Novati, dan mantan mahasiswa master (sekarang kandidat Ph.D. di Universitas Zurich) Hugues Lascombes de Larousillhe telah mengusulkan strategi baru untuk mengotomatiskan proses: gunakan kecerdasan buatan (AI) untuk mempelajari model penutupan turbulen terbaik dari DNS dan terapkan ke LES. Mereka mempublikasikan hasil mereka baru-baru ini di Kecerdasan Mesin Alam.

Secara khusus, para peneliti mengembangkan algoritma pembelajaran penguatan baru (RL) dan menggabungkannya dengan wawasan fisik untuk memodelkan turbulensi. “Dua puluh lima tahun yang lalu, kami memelopori antarmuka AI dan aliran turbulen,” kata Koumoutsakos. Tetapi saat itu, komputer tidak cukup kuat untuk menguji banyak ide. “Baru-baru ini, kami juga menyadari bahwa jaringan saraf populer tidak cocok untuk memecahkan masalah seperti itu, karena model secara aktif memengaruhi aliran yang ingin dilengkapi,” kata profesor ETH. Oleh karena itu, para peneliti harus menggunakan pendekatan pembelajaran yang berbeda di mana algoritme belajar untuk bereaksi terhadap pola di bidang aliran turbulen.

Pemodelan otomatis

Ide di balik algoritme RL novel Novati dan Koumoutsako adalah menggunakan titik kisi yang menyelesaikan bidang aliran sebagai agen AI. Para agen mempelajari model penutupan turbulensi dengan mengamati ribuan simulasi aliran. “Untuk melakukan simulasi skala besar, penting untuk memiliki akses ke superkomputer CSCS” Piz Daint ‘”, tegas Koumoutsakos. Setelah pelatihan, para agen bebas bertindak dalam simulasi aliran yang belum pernah mereka latih. sebelum.

Sistem bersandar pada model turbulensi dengan ‘bermain’ dengan arus. “Mesin ‘menang’ jika berhasil mencocokkan LES dengan hasil DNS, sama seperti mesin yang belajar bermain catur atau GO,” kata Koumoutsakos. “Selama LES, AI melakukan tindakan dari skala yang belum terselesaikan dengan hanya mengamati dinamika skala besar yang diselesaikan.” Menurut para peneliti, metode baru ini tidak hanya mengungguli pendekatan pemodelan yang sudah mapan, tetapi juga dapat digeneralisasikan di seluruh ukuran grid dan kondisi aliran.

Bagian penting dari metode ini adalah algoritma baru yang dikembangkan oleh Novati yang mengidentifikasi simulasi sebelumnya yang relevan untuk setiap status aliran. Algoritma yang disebut “Remember and Forget Experience Replay” telah terbukti mengungguli sebagian besar algoritma RL yang ada pada berbagai masalah benchmark di luar mekanika fluida, menurut para peneliti. Tim percaya bahwa metode yang baru mereka kembangkan tidak hanya penting dalam konstruksi mobil dan prakiraan cuaca. “Untuk masalah yang paling menantang dalam sains dan teknologi, kami hanya dapat menyelesaikan ‘skala besar’ dan membuat model yang ‘bagus’,” kata Koumoutsakos. “Metodologi yang baru dikembangkan ini menawarkan cara baru dan canggih untuk mengotomatiskan pemodelan multiskala dan memajukan sains melalui penggunaan AI yang bijaksana.”


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


Informasi lebih lanjut:
Guido Novati dkk. Mengotomatiskan pemodelan turbulensi dengan pembelajaran penguatan multi-agen, Kecerdasan Mesin Alam (2021). DOI: 10.1038 / s42256-020-00272-0

Kutipan: Peneliti menghitung turbulensi dengan kecerdasan buatan (2021, 5 Januari) diambil 5 Januari 2021 dari https://techxplore.com/news/2021-01-turbulence-artificial-intelligence.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 : Result SGP