Brezilyalı araştırmacılar, görüntülerden bir kumuldaki her bir kum tanesine uygulanan kuvveti tahmin eden bir teknik geliştirdiler. Sayısal simülasyonlara ve yapay zekaya (AI) dayanan bu yöntem, granüler sistem dinamiği çalışmalarını dönüştürüyor ve daha önce ölçülemeyen fiziksel süreçlerin araştırılmasının önünü açıyor. Uygulamalar inşaat mühendisliğinden uzay araştırmalarına kadar uzanır.
Sonuçlar dergide yayınlanır Jeofizik Araştırma Mektupları.
Araştırma, uçları rüzgar veya su akışı yönünde yönlendirilen hilal şeklindeki yapılar olan “barchan kumullarına” odaklandı.
Devlet Üniversitesi Makine Mühendisliği Fakültesi profesörü Erick Franklin şöyle açıklıyor: “Bu kum tepeleri çok farklı ortamlarda ortaya çıkıyor: boruların içinde, nehirlerin ve denizlerin dibinde, karasal çöllerde ve hatta Mars gibi diğer gezegenlerin yüzeyinde. Bu hilal şeklindeki ay şekli bir çekicidir. Yani ihtiyacınız olan tek şey, aşınamayan toprakta makul miktarda tanecik ve bir barkan oluşması için tek yönde akan bir sıvıdır,” diye açıklıyor Devlet Üniversitesi Makine Mühendisliği Fakültesi profesörü Erick Franklin Campinas (FEM-UNICAMP) ve çalışmanın koordinatörü.
İlgili ölçekler çok çeşitlidir. Laboratuvar su ortamında, 10 santimetre kadar küçük olabilirler ve yer değiştirmeyi bir dakikadan kısa sürede tamamlayabilirler. Dünya’nın çöllerinde yaklaşık 100 metre uzunluğundadırlar ve bir yıl boyunca hareket ederler. Mars’ta bir kilometreye ulaşabiliyorlar ve hareket etmeleri yaklaşık bin yıl sürüyor.
Franklin, “Ölçekteki bu farklılığa rağmen, altta yatan dinamikler çok benzer” diye belirtiyor.
Mars yüzeyinin evrimini küçük bir laboratuvar kumulundan tahmin etmeyi mümkün kılan şey budur.
Bir kumulun şeklini ve hareketini basitçe gözlemlemek, rüzgarların yönü ve ortalama yoğunluğu hakkında bilgi edinmemizi sağlar. Ancak her bir kum tanesine etki eden kuvveti bilmek her zaman imkansız bir görev olarak görülmüştür. Nedenini anlamak kolaydır.
“Bir laboratuvar sualtı kumulunda, her biri 0,2 milimetre çapında 100.000 tanecik bulunabilir. Her bir taneye etki eden kuvveti ölçmek için, her birinin üzerine küçük bir ivmeölçer yerleştirmeniz gerekir ki bu kesinlikle mevcut değildir. Karasal çöl kumullarında tane sayısı 10¹⁵’ye (1 katrilyon) ve Mars kumullarında 10¹⁷’ye (100 katrilyon) yükselir” diye açıklıyor araştırmacı.
Yüksek hızlı kameralar ve gelişmiş hareket ölçüm teknikleriyle bile, her bir taneciğe etki eden kuvvet her zaman deneysel erişimin ötesinde olmuştur. Çözüm, birkaç dakika içinde oluşan ve hareket eden su altı kumullarıyla ilgili laboratuvar deneylerini, her bir taneciğin dinamiğinin (kuvvetler ve hareketler) her an hesaplanmasına olanak tanıyan sayısal simülasyonlarla birleştirmekti.
Bu simülasyonlar yüksek uzaysal ve zamansal çözünürlüklere sahiptir ve gözlemlenen kum tepelerini doğru bir şekilde yeniden üretir. Ayrıca büyük ölçekte doğrudan elde edilemeyen kuvvet haritalarını da sağlarlar.
Çalışma, kumul yüzeylerinin gerçek görüntülerini simülasyonlar tarafından üretilen kuvvet haritalarıyla eşleştirerek her bir tanecik hakkında bir görüntü ve kuvvet ölçümü biçiminde veri sağladı.
FEM-UNICAMP’ta doktora sonrası araştırmacı ve Amerika Birleşik Devletleri’ndeki Syracuse Üniversitesi’nde misafir araştırmacı olan Renato Miotto, “Buna dayanarak, gerçek kumul taneleri üzerinde etkili olan kuvvetleri tahmin etmek için evrişimli bir sinir ağını eğittik” diyor.
Evrişimli sinir ağı (CNN), görüntüler gibi mekansal olarak yapılandırılmış verileri işlemek için tasarlanmış bir yapay zeka modelidir. CNN’ler, yerel kalıpları (örneğin kenarlar, dokular ve şekiller) tespit etmek ve özellik haritaları oluşturmak için girişin küçük bölgelerine filtreler uygulayan evrişim katmanlarını kullanır. Çok katmanlı bir CNN, basit desenleri karmaşık yapılar halinde birleştirerek nesneleri tanımasına, görüntüleri sınıflandırmasına veya bilgileri otomatik ve verimli bir şekilde çıkarmasına olanak tanır.
CNN’ler bilgisayarla görme, yüz tanıma, tıbbi analiz ve diğer algılama ve sınıflandırma görevlerinde yaygın olarak kullanılmaktadır.
Miotto, “Çalışmada ağ, kumulların basit görüntülerinden kuvvetlerin dağılımını çıkarabildi ve hatta tahminlerini daha önce hiç görmediği şekillere genelleyebildi” diye belirtiyor.
FEM-UNICAMP profesörü ve çalışmanın ortak yazarı William Wolf, süreç için verilerin hazırlanmasında özel dikkat gerektiğini vurguluyor.
“Uzamsal ve zamansal ölçeklerde yüksek çözünürlük elde etmemize olanak tanıyan, gerçeğe çok yakın bir ayrıntı düzeyi sağlayan yüksek kaliteli, üç boyutlu simülasyonlar kullandık. Bu şekilde, kum tepelerinin dinamikleri ve morfolojisine ilişkin ayrıntılar CNN tarafından öğrenildi ve bunlar, ağın deneysel görüntülere genelleştirilebilmesi için gerekli parametrelerdir.”
Uygulamalar
Miotto, metodolojinin kumla sınırlı olmadığını ekliyor: “Bir görüntüde görülebilen herhangi bir granüler sistem (buz, tuz veya sentetik parçacıklar), malzemenin davranışını doğru bir şekilde yeniden üretebilen bir simülasyon olduğu sürece analiz edilebilir.”
Araştırmacılara göre bu teknik, hareketli parçacıkların oluşturduğu diğer sistemleri incelemek ve nehir siltlenmesi, sahil erozyonu, limanlardaki kum hareketi ve endüstriyel akıntı gibi belirli sorunları çözmek için uyarlanabilir.
Franklin, “Bu süreçlerin çok büyük ekonomik maliyetleri var ve tüm toplulukları etkiliyor. Bunun gibi araçlar, hasarın tahmin edilmesine ve azaltılmasına yardımcı olabilir. Mars örneğinde, yaygın olarak bulunan görüntülerden, geçmişte rüzgarların yoğunluğunu ve gelecekte kum tepelerinin evrimini çıkarmak mümkündür” diye vurguluyor.
Wolf, çalışmanın işbirlikçi doğasını vurguluyor: “Akış fiziği, akışkanlar mekaniği ve hesaplamalı analizdeki uzmanlığımızı birleştirerek yıllardır birlikte çalışıyoruz. Bu, temel araştırmalara sürekli desteğin nasıl birden fazla alanda etkili ilerlemeler yaratabileceğinin bir örneği.”
