Bölgesel bir okyanus olan Meksika Körfezi, Amerika Birleşik Devletleri’nin güneydoğusu ve Meksika kıyılarının geniş bir kısmı tarafından kucaklanıyor ve bu da onu her iki ülke için de çok önemli kılıyor. Bölge, malların yerel ve küresel pazarlara ulaştırılmasına yardımcı oluyor, açık denizdeki petrol platformlarıyla ülke için enerji üretiyor ve tatile değer sayısız plaja ev sahipliği yapıyor; dolayısıyla dinamiklerini modellemek ve tahmin etmek kritik bir görev.
Santa Cruz’daki Kaliforniya Üniversitesi’ndeki uygulamalı matematikçilerin araştırması, Körfez’i modellemek için yapay zeka destekli yeni yöntemler sunuyor. Kısa vadeli tahminler için geleneksel modellerden daha yüksek doğruluk elde ediyorlar ve fiziksel olarak imkansız bir senaryo olan herhangi bir yapay zeka “halüsinasyonu” olmadan 10 yıllık dinamikleri başarıyla taklit ediyorlar.
Bu araştırma, Uygulamalı Matematik Yardımcı Doçenti Ashesh Chattopadhyay liderliğindeki UC Santa Cruz Baskin Mühendislik Okulu araştırmacıları, endüstri ortağı Fujitsu’nun Yakınsama Teknolojileri Laboratuvarı ve Kuzey Carolina Eyalet Üniversitesi’ndeki bir araştırma grubu arasındaki işbirliğinin bir sonucudur. Çalışmaları dergide yayınlandı Jeofizik Araştırma Dergisi: Makine Öğrenimi ve Hesaplama.
Bu çalışma, ABD ve Meksika’daki doğal kaynakların kritik yönetimini ileriye taşıyor ve küresel okyanusların önemli bir özelliği olan dünya çapındaki körfez akıntılarını modelleme teknolojisini geliştiriyor ve yapay zekanın Yer bilimlerinde artan etkinliğini gösteriyor.
Chattopadhyay, “Körfez Akıntısı’nı ve dinamiklerini doğru bir şekilde çözme yeteneği, oşinografide uzun yıllardır açık bir zorluk olmuştur.” dedi. “Bu nedenle, yüksek çözünürlüklü bölgesel okyanus dinamikleri için yeni algoritmaları ve yeni modelleri değerlendirmeye çalıştığımızda Meksika Körfezi önemli bir test örneği haline geliyor.”
Ekibin akademisyenler ve endüstri arasındaki işbirliği, araştırmalarının ürünlerini gerçek dünyada kullanıma hazır hale getirmeyi amaçlıyor.
Fujitsu Research of America’nın baş araştırmacısı Subhashis Hazarika, “UC Santa Cruz ile geliştirilen okyanus emülatörleri, deniz platformlarına kusursuz operasyonel entegrasyon sağlayan hız, doğruluk ve hafif tasarımın bir kombinasyonunu sunuyor” dedi.
“Bu, liman operasyonları yönetiminden gemi hava durumu yönlendirmesine ve olağanüstü olay izlemeye kadar çeşitli uygulamalar için etkileşimli sistem tasarımını destekliyor. UC Santa Cruz ile olan işbirliğimiz, titizlikle doğrulanmış Bilim için Yapay Zeka modellerini gerçek dünyadaki endüstriyel uygulamalara getirme yolunda önemli bir adıma işaret ediyor.”
Körfezin modellenmesi
Meksika Körfezi, enerji üretimi ve kargo taşımacılığı gibi önemli denizcilik endüstrilerine ev sahipliği yapıyor ve bu bölgenin modellenmesini önemli bir güvenlik ve ekonomik konu haline getiriyor. Körfez akıntısından gelen büyük girdaplar bu bölgede kırılıyor ve bazen insanların petrol platformlarında çalıştığı bölgelere çarpan düzensiz dalgalar yaratıyor; bu nedenle, bu dalgaları ve diğer dinamikleri modelleyebilmek kritik önem taşıyor.
Özellikle kıyıya yakın bölgelerdeki bölgesel okyanusları modellemek tarihsel olarak çok zor olmuştur. Kıyıya çarpan dalgalar diğer faktörlerle birlikte ölçüm ve modellemeyi karmaşık hale getirir.
Okyanus modelleme için hala endüstride altın standart olan geleneksel araçlar, yüksek çözünürlüklü, pahalı, enerjiye ihtiyaç duyan ve nispeten yavaş olan ve her zaman yüksek doğrulukta olmayan fizik tabanlı modellerdir.
Yapay zeka modelleri, eğitim için daha fazla yatırım gerektirir ancak geleneksel modellere göre 100.000 kata kadar daha hızlı çalışır. Yapay zeka aynı zamanda modellerin uzun zaman ölçeklerinde dinamikleri taklit ederken gerçek fiziksel dinamiklerden uzaklaştığı “halüsinasyonlar” nedeniyle de sınırlandı. Chattopadhyay’ın çalışması, özellikle fiziksel olarak daha küçük ve daha kısa zaman ölçeğinde gerçekleşen dinamikleri daha iyi yakalamak için fiziği yapay zeka modellerine entegre ederek halüsinasyonları ortadan kaldırmaya odaklanıyor.
Yakınlaştırma
Bunu yapmak için araştırma ekibi iki ana bileşenle çalışan bir yapay zeka modeli oluşturdu. Bunlardan biri, sekiz kilometrelik çözünürlükten gözlemlenebilen ve daha uzun zaman dilimlerinde meydana gelen okyanus olaylarına odaklanan “uzaklaştırılmış” bir görünümdür. İkinci bileşen, bu uzaklaştırılmış tahminleri alır ve bunları dört kilometre çözünürlüğe kadar geliştirir.
Chattopadhyay, bir fotoğrafın yakınlaştırılmasını geliştirmek için “ölçek küçültme” adı verilen bu işlemi karşılaştırdı.
Chattopadhyay, “Eski bir fotoğrafı çekip onu geliştirebilirsiniz, temel olarak üretken bir model kullanarak kaliteyi ve çözünürlüğü geliştirebilirsiniz.” dedi. “Tahminlerin ölçeğini dört kilometreye indirebilmek için temelde aynı teknolojiyi burada kullanıyoruz ve bunu sadece gerçekçi olmayan bir şekilde geliştirmediğimizden emin oluyoruz.”
Ekip, bu tekniği kullanarak, sistemlerinin 30 gün önceden tahmin yapmak gibi daha kısa zaman aralıklarında geleneksel fizik tabanlı modellerden daha iyi performansa sahip olduğunu ve yüksek doğruluk oranına sahip geleneksel modelleri geride bıraktığını buldu.
Ek olarak, modellerinin herhangi bir halüsinasyon olmadan 10 yıl sonrasını taklit edebildiğini buldular. Ekip bunu, yüksek lisans öğrencisi Leonard Lupin-Jimenez’in önderlik ettiği bir çabayla, fizik kısıtlamalarını “uzaklaştırılmış” emülasyonlara titizlikle entegre ederek başardı.
Chattopadhyay, sistemlerinin gelişmiş doğruluğunun, bilimde geleneksel modelleri geride bırakan daha büyük bir yapay zeka modeli eğilimine uyduğunu söylüyor.
Chattopadhyay, “Bunun bu örneklerden biri olduğunu düşünüyorum ve yapay zeka ve bilimin bu alanında, yapay zeka modellerinin fizik tabanlı modellerden daha iyi performans göstermeye başlaması giderek daha fazla oluyor” dedi.
Denizdeki etki için işbirliği
Chattopadhyay’ın mezunlarından birçoğu, disiplinler arası araştırmayı desteklemek için devam eden bir işbirliği (fizik bilimi/akademisyenler ve endüstri arasında benzersiz bir ortaklık) olarak Fujitsu’nun Yakınsama Teknolojileri Laboratuvarı tarafından ağırlanıyor.
Lupin-Jimenez, Fujitsu’dan Subhashis Hazarika ve Anthony Wong’un mentorluğunda bu projeye odaklanmak için şirkette zaman geçirdi ve birlikte çalışmayı hem araştırma hem de operasyonel kullanım için şekillendirdiler.
Lupin-Jimenez, “Neyin en iyi işe yaradığını görmek için farklı yöntemler, işlemler ve boru hattı çerçeveleri ile deneyler yapabilme konusunda oldukça fazla özgürlük vardı” dedi.
Süreç boyunca yazılımın mümkün olduğunca kullanışlı hale getirilmesinin üzerinde durdular, bu da sistemin denizdeki bir gemide çalıştırılabilir hale getirilmesi anlamına geliyordu.
Chattopadhyay, “Aslında fizik veya yapay zeka konusunda uzman olmayan ancak yine de bu modellemeyi yapabilmek isteyen son kullanıcılara hitap edecek” dedi. “Grubumuzda, araştırma ve pazara hazır araçların birbirinden ayrılmaması için araştırmamızı pazarın ve endüstrinin, özellikle de yapay zekanın ihtiyaçlarıyla uyumlu tutmaya çalışıyoruz.”
