_ Noua tehnologie ar putea ajuta la reducerea impactului ecologic al poluării fonice subacvatice

Un nou sistem care valorifică puterea inteligenței artificiale pentru a modela cu exactitate modul în care undele sonore se deplasează sub apă ar putea contribui la reducerea impactului poluării fonice asupra vieții marine.

p> Cercetătorii de la Universitatea din Glasgow din Marea Britanie și Universitatea din Columbia Britanică din Canada sunt în spatele dezvoltării tehnologiei. În viitor, sistemul lor ar putea împuternici industriile, inclusiv transportul maritim și energiile regenerabile, să ia decizii mai bine informate cu privire la efectul activităților lor asupra lumii submarine.

Sunetele puternice create de tehnologiile umane, inclusiv elicele navelor de marfă. iar construcția și exploatarea parcurilor eoliene offshore s-a dovedit a avea efecte negative asupra unei game largi de vieți marine. Zgomotul poate perturba tiparele de migrație ale mamiferelor marine precum delfinii și balenele și poate afecta capacitatea acestora de a naviga prin ecolocație.

Un răspuns potențial pentru reducerea impactului zgomotului subacvatic este dezvoltarea unei înțelegeri mai complete a modurilor în care undele sonore de la activitățile umane se deplasează și se răspândesc prin ocean.

Aceasta ar putea ajuta factorii de decizie să elaboreze noi reglementări pentru transportul maritim și construcția de turbine în larg, pentru a atenua impactul acestora asupra vieții marine din jur.

Undele sonore. reflectă de pe suprafața oceanului, a fundului mării și a tot ceea ce este între ele în modele complexe, în continuă schimbare. Pe măsură ce undele sonore se deplasează prin apă, ele scad, de asemenea, în intensitate – un proces cunoscut sub numele de pierderi de transmisie.

Modelarea cu precizie a fizicii mișcărilor undelor sonore, a interacțiunilor și a pierderii de transmisie sub apă este în prezent foarte dificilă fără a utiliza mari dimensiuni. cantități de putere de procesare a computerului. Proiectele la scară largă pot dura zile de calcul pentru a modela pe deplin răspândirea undelor sonore prin apă.

Cercetătorii și-au propus să investigheze dacă rețelele neuronale profunde ar putea ajuta la abordarea provocării de calcul și să aducă sistemele viitoare mai aproape. pentru a oferi feedback în timp real cu privire la propagarea undelor sonore care ar putea fi utilizate în lumea reală.

Într-o nouă lucrare intitulată „Rețea neuronală profundă pentru învățarea împrăștierii undelor și interferența acusticii subacvatice” și setată la publicat în revista Physics of Fluids, cercetătorii descriu modul în care și-au construit și testat sistemul lor de modelare a undelor acustice folosind o arhitectură de rețea neuronală cunoscută sub numele de rețea de codificare automată recurentă convoluțională sau CRAN.

CRAN funcționează prin comprimare. date de modelare foarte complexe sau „de dimensiuni înalte” într-o formă mai simplificată, „de dimensiuni reduse”. Apoi, un model AI de ultimă generație, cunoscut sub numele de rețea de memorie pe termen lung, analizează modelul simplificat pe baza a ceea ce a învățat anterior despre fizica subacvatică, producând predicții despre modul în care undele sonore subacvatice se propagă în timp.

Deoarece sistemul funcționează dintr-un model simplificat și îl extinde utilizând învățarea automată, poate oferi rezultate mult mai rapid decât procesele convenționale de modelare.

Pentru a-și antrena sistemul, au creat 30 de două tipuri diferite. simulări dimensionale ale mediilor subacvatice, fiecare cu suprafețe diferite ale fundului mării și frecvențe sonore diferite, pentru a ajuta la învățarea fizicii undelor sonore subacvatice.

Odată ce CRAN a fost antrenat, i-au cerut să prezică cum se vor comporta undele sonore în 15 noi scenarii subacvatice pe care CRAN nu le mai văzuse niciodată.

A îndeplinit sarcina cu o acuratețe remarcabilă, prezicând corect modul în care valurile interacționează între ele și sunt împrăștiate de suprafețele rigide. Modelul CRAN a fost capabil să prezică cu precizie propagarea undelor cu o eroare mai mică de 10% pentru o durată de peste cinci ori mai mare decât durata datelor pe care a fost antrenat.

Dr. Wrik Mallik, de la Școala de Inginerie James Watt a Universității din Glasgow, este autorul corespondent al lucrării. El a spus: „Aceste rezultate sunt cu adevărat încurajatoare, care arată în mod clar potențialele rețele neuronale profunde pe care le dețin pentru a prezice fizica complexă a propagării acustice subacvatice din ocean.

„Așteptăm câteva secunde în loc de zile pentru a produce modele de împrăștiere acustică subacvatică. ar fi o descoperire semnificativă pentru acest domeniu de cercetare, iar această lucrare arată cum am făcut un pas mai aproape de a realiza acest lucru. Având feedback în timp real asupra dispozitivelor care ar putea fi utilizate pe ocean ar permite o planificare mult mai eficientă pentru a ajuta la atenuarea efectelor poluării fonice asupra animalelor marine.

„Deși acest studiu inițial a demonstrat eficacitatea a CRAN pe date bidimensionale, suntem încrezători că tehnologia poate fi extinsă pentru a face față provocării de a face față simulărilor acustice complet 3D. Am început deja lucrările pentru dezvoltarea și perfecționarea în continuare a sistemului și intenționăm să testați-l în situații reale în lunile următoare.”

(Fluierul)