توسعه روشهای مهندسی که می تواند رفتار را پیش بینی کند، پیش بینی آب و هوا را بهبود بخشد

8 دسامبر 2022 -توسط لوری فیکمن، دانشگاه هیوستون -نمایشی از یک منیفولد. اعتبار: Nature Machine Intelligence (2022). DOI:

یک ساعت قدیمی باشکوه بلند را تصور کنید که آونگ بلندش بارها و بارها به جلو و عقب می چرخد و با زمان هماهنگی دارد. دانشمندان می توانند آن حرکت را با یک معادله یا مدل دینامیکی توصیف کنند، و اگرچه به ظاهر صدها عامل در این نوسان نقش دارند، (وزن ساعت، ماده آونگ، تا بی نهایت) تنها یک متغیر برای توصیف لازم است. حرکت آونگ و ترجمه آن به ریاضی: زاویه تاب.

چقدر طول کشید تا دانشمندان و ریاضیدانان آن را کشف کنند، ناشناخته است. آزمایش هر متغیر در معادله برای تعیین تک متغیر مهم برای نوسان می‌توانست سال‌ها طول بکشد.

اکنون یکی از محققان دانشگاه هیوستون روشی را برای توصیف این نوع سیستم‌های پیچیده با کمترین تعداد متغیر ممکن گزارش می‌کند، که گاهی اوقات امکان میلیون‌ها متغیر را به حداقل می‌رساند و در موارد نادر فقط یک متغیر را کاهش می‌دهد. این پیشرفتی است که می‌تواند علم را با کارایی و توانایی خود در درک و پیش‌بینی رفتار سیستم‌های طبیعی سرعت بخشد، و پیامدهایی برای سرعت بخشیدن به مجموعه‌ای از فعالیت‌ها دارد که از شبیه‌سازی‌هایی از پیش‌بینی آب‌وهوا تا تولید هواپیما استفاده می‌کنند.

“در مثال ساعت ، من می‌توانم ویدیویی از چرخش آونگ به جلو و عقب بگیرم و از آن ویدئو، به طور خودکار متغیر مناسب را کشف کنم. مدل‌های دقیق دینامیک سیستم، درک عمیق‌تری از این سیستم‌ها و همچنین دانیل فلوریان، استادیار مهندسی مکانیک کالسی، در مجله Nature Machine Intelligence گزارش می دهد که توانایی پیش بینی رفتار آینده خود را دارند.

برای شروع ساخت مدل‌های فشرده و در عین حال دقیق، یک اصل اساسی است: برای هر عمل، حتی آن‌هایی که به ظاهر پیچیده و تصادفی هستند، یک الگوی زیربنایی وجود دارد که نمایش فشرده‌ای از سیستم را امکان‌پذیر می‌سازد.

فلوریان گفت: “روش ما فشرده ترین توصیفی را پیدا می کند که از نظر ریاضی ممکن است، و این چیزی است که روش ما را از دیگران متمایز می کند.”

این روش با استفاده از ایده‌های یادگیری ماشینی و تئوری منیفولد صاف، شبیه‌سازی را بسیار سریع و ارزان می‌کند.در یک برنامه، فلوریان واکنش بین چند ماده شیمیایی را شبیه سازی کرد. این واکنش منجر به رفتار پیچیده ای در میان مواد شیمیایی در هنگام ملاقات شد: یک حرکت مارپیچی ریتمیک تکراری که برای شبیه سازی آن به بیش از 20000 متغیر نیاز دارد. فلوریان ویدئویی از واکنش را به الگوریتم خود وارد کرد و متوجه شد که او برای درک عمل فقط به یک متغیر نیاز دارد. متغیر ضروری مدت زمانی بود که مارپیچ طول کشید تا به جایی که شروع شده بود بازگردد، مانند عقربه دوم روی ساعت.در مورد پیش‌بینی آب و هوا، مدل‌های عددی شبیه‌سازی‌های کامپیوتری جو هستند که از معادلات پیچیده فیزیک و دینامیک سیالات استفاده می‌کنند.

فلوریان گفت: برای پیش‌بینی آب و هوا و مدل‌سازی آب و هوا، اگر چیزی بسیار سریع‌تر دارید، می‌توانید آب و هوای زمین را بهتر مدل‌سازی کنید و بهتر پیش‌بینی کنید که چه اتفاقی می‌افتد.