Tecnologia Científica

Engenheiros usam inteligência artificial para capturar a complexidade das ondas quebrando
As previsões de seu modelo devem ajudar os pesquisadores a melhorar as simulações do clima oceânico e aprimorar o projeto de estruturas offshore.
Por Jennifer Chu - 30/04/2021


Usando aprendizado de máquina junto com dados de experimentos em tanques de ondas, os engenheiros do MIT encontraram uma maneira de modelar como as ondas quebram. “Com isso, você pode simular ondas para ajudar a projetar estruturas melhor, com mais eficiência e sem grandes fatores de segurança”, diz Themis Sapsis. Crédito: iStockphoto

As ondas quebram quando atingem uma altura crítica, antes de atingir a crista e colidir com um spray de gotas e bolhas. Essas ondas podem ser tão grandes quanto o point break de um surfista e tão pequenas quanto uma ondulação suave rolando para a costa. Por décadas, a dinâmica de como e quando uma onda quebra tem sido muito complexa para prever.

Agora, os engenheiros do MIT descobriram uma nova maneira de modelar como as ondas quebram. A equipe usou aprendizado de máquina junto com dados de experimentos de tanques de ondas para ajustar equações que tradicionalmente são usadas para prever o comportamento das ondas. Os engenheiros normalmente confiam em tais equações para ajudá-los a projetar plataformas e estruturas offshore resilientes. Mas até agora, as equações não foram capazes de capturar a complexidade das ondas quebrando.

O modelo atualizado fez previsões mais precisas de como e quando as ondas quebram, descobriram os pesquisadores. Por exemplo, o modelo estimou a inclinação de uma onda logo antes de quebrar, e sua energia e frequência após a quebra, com mais precisão do que as equações de onda convencionais.

Seus resultados, publicados hoje na revista Nature Communications , ajudarão os cientistas a entender como uma onda que quebra afeta a água ao seu redor. Saber exatamente como essas ondas interagem pode ajudar a aprimorar o projeto de estruturas offshore. Também pode melhorar as previsões de como o oceano interage com a atmosfera. Ter melhores estimativas de como as ondas quebram pode ajudar os cientistas a prever, por exemplo, quanto dióxido de carbono e outros gases atmosféricos o oceano pode absorver.

“A quebra das ondas é o que coloca o ar no oceano”, diz o autor do estudo Themis Sapsis, professor associado de engenharia mecânica e oceânica e afiliado do Instituto de Dados, Sistemas e Sociedade do MIT. “Pode parecer um detalhe, mas se você multiplicar seu efeito sobre a área de todo o oceano, a quebra das ondas começa a se tornar fundamentalmente importante para a previsão do clima.”

Os coautores do estudo incluem a autora principal e pós-doutoranda do MIT Debbie Eeltink, Hubert Branger e Christopher Luneau da Universidade de Aix-Marseille, Amin Chabchoub da Universidade de Kyoto, Jerome Kasparian da Universidade de Genebra e TS van den Bremer da Delft University of Technology.

Tanque de aprendizagem

Para prever a dinâmica de uma onda quebrando, os cientistas normalmente adotam uma das duas abordagens: eles tentam simular precisamente a onda na escala de moléculas individuais de água e ar, ou realizam experimentos para tentar caracterizar ondas com medidas reais. A primeira abordagem é computacionalmente cara e difícil de simular mesmo em uma área pequena; o segundo requer uma quantidade enorme de tempo para executar experimentos suficientes para produzir resultados estatisticamente significativos.

Em vez disso, a equipe do MIT emprestou peças de ambas as abordagens para desenvolver um modelo mais eficiente e preciso usando aprendizado de máquina. Os pesquisadores começaram com um conjunto de equações que é considerado a descrição padrão do comportamento das ondas. Eles pretendiam melhorar o modelo “treinando” o modelo em dados de quebra de ondas de experimentos reais.

“Tínhamos um modelo simples que não capturava a quebra das ondas, e então tínhamos a verdade, ou seja, experimentos que envolvem a quebra das ondas”, explica Eeltink. “Então queríamos usar o aprendizado de máquina para aprender a diferença entre os dois.”

Os pesquisadores obtiveram dados de quebra de ondas executando experimentos em um tanque de 40 metros de comprimento. O tanque foi equipado em uma extremidade com um remo que a equipe usou para iniciar cada onda. A equipe ajustou o remo para produzir uma onda quebrando no meio do tanque. Medidores ao longo do comprimento do tanque mediram a altura da água à medida que as ondas se propagavam pelo tanque.

“Leva muito tempo para executar esses experimentos”, diz Eeltink. “Entre cada experimento, você precisa esperar que a água se acalme completamente antes de iniciar o próximo experimento, caso contrário, eles influenciam um ao outro.”

Porto Seguro

Ao todo, a equipe realizou cerca de 250 experimentos, cujos dados usaram para treinar um tipo de algoritmo de aprendizado de máquina conhecido como rede neural. Especificamente, o algoritmo é treinado para comparar as ondas reais em experimentos com as ondas previstas no modelo simples e, com base em quaisquer diferenças entre os dois, o algoritmo ajusta o modelo para se adequar à realidade.

Depois de treinar o algoritmo em seus dados experimentais, a equipe apresentou o modelo a dados inteiramente novos – neste caso, medições de dois experimentos independentes, cada um executado em tanques de ondas separados com dimensões diferentes. Nesses testes, eles descobriram que o modelo atualizado fazia previsões mais precisas do que o modelo simples e não treinado, por exemplo, fazendo melhores estimativas da inclinação de uma onda quebrando.

O novo modelo também capturou uma propriedade essencial de quebra de ondas conhecida como “downshift”, na qual a frequência de uma onda é deslocada para um valor mais baixo. A velocidade de uma onda depende de sua frequência. Para as ondas do oceano, as frequências mais baixas se movem mais rapidamente do que as frequências mais altas. Portanto, após o downshift, a onda se moverá mais rápido. O novo modelo prevê a mudança na frequência, antes e depois de cada rebentação, o que pode ser especialmente relevante na preparação para tempestades costeiras.

“Quando você quer prever quando ondas altas de um swell chegariam a um porto, e você quer deixar o porto antes que essas ondas cheguem, então se você errar a frequência da onda, então a velocidade com que as ondas estão se aproximando está errada, — diz Eeltink.

O modelo de ondas atualizado da equipe está na forma de um código de código aberto que outros poderiam usar, por exemplo, em simulações climáticas do potencial do oceano para absorver dióxido de carbono e outros gases atmosféricos. O código também pode ser trabalhado em testes simulados de plataformas offshore e estruturas costeiras.

“O objetivo número um deste modelo é prever o que uma onda fará”, diz Sapsis. “Se você não modelar a quebra das ondas corretamente, isso teria tremendas implicações em como as estruturas se comportam. Com isso, você pode simular ondas para ajudar a projetar estruturas melhor, com mais eficiência e sem grandes fatores de segurança.”

Esta pesquisa é apoiada, em parte, pela Swiss National Science Foundation e pelo Escritório de Pesquisa Naval dos EUA.

 

.
.

Leia mais a seguir