Greccy naukowcy odkryli nową, przełomową metodę przewidywania rzadkich katastrof

Greccy naukowcy w Stanach Zjednoczonych opracowali nową technikę, która pozwala przewidywać ekstremalne i rzadkie zdarzenia w społeczeństwie i przyrodzie, takie jak epidemia, nieoczekiwana fala na morzu lub nagłe zawalenie się dużego mostu, nawet jeśli nie ma dość historii. dane do pracy.

Metoda „inteligentna”, która omija konieczność posiadania dużej ilości wcześniejszych danych, jest połączeniem wyrafinowanego systemu sztucznej inteligencji (uczenie maszynowe) ze specjalnymi technikami próbkowania.

Profesorowie inżynierii mechanicznej i oceanografii Themistoklis Sapsis z Massachusetts Institute of Technology (MIT) oraz matematyka stosowana i inżynieria George Karniadakis z Brown University w Rhode Island wraz z dwoma amerykańskimi kolegami opublikowali powiązaną publikację w czasopiśmie nauk obliczeniowych Computational Nature of Science .

Naukowcy połączyli algorytmy statystyczne (które potrzebują mniej danych, aby dokonać dokładnych i skutecznych prognoz) z potężną techniką uczenia maszynowego o nazwie DeepOnet, opracowaną w 2019 r. . wydarzeń, chociaż nie ma odpowiednich zapisów historycznych.

Przewidywanie przyszłych katastrof na podstawie zdarzeń ekstremalnych (trzęsienia ziemi, pandemie, fale pływowe itp.) jest bardzo trudne, głównie dlatego, że niektóre z tych zdarzeń są tak rzadkie, że nie ma wystarczających danych, aby użyć modeli predykcyjnych do przewidywania, co może się wydarzyć i kiedy coś podobnego może wydarzyć się w przyszłości. .

Nowe badanie próbuje zaoferować rozwiązanie tego problemu, kładąc nacisk na jakość, a nie ilość danych, które są faktycznie dostępne.

„Trzeba zdać sobie sprawę, że są to zdarzenia losowe. Wybuch pandemii, taki jak COVID-19, katastrofa ekologiczna w Zatoce Meksykańskiej, trzęsienie ziemi, ogromny pożar w Kalifornii, 30-metrowa fala wywracająca statek – to rzadkie zdarzenia. a ponieważ są rzadkie, nie mamy wielu danych historycznych. Nie mamy wystarczającej liczby próbek z przeszłości, aby przewidzieć przyszłość. Pytanie, na które odpowiadamy w artykule, brzmi: Jakie są najlepsze możliwe dane, które możemy użyć, aby zmniejszyć liczbę potrzebnych nam punktów danych?” — powiedział Karniadakis.

Naukowcy zastosowali technikę pobierania próbek zwaną aktywnym uczeniem się, która obejmuje algorytmy statystyczne. Jest on połączony z modelem obliczeniowym DeepOnet, który jest rodzajem sztucznej sieci neuronowej imitującej neurony w ludzkim mózgu. Jest potężniejszy niż standardowe sztuczne sieci neuronowe, ponieważ w rzeczywistości składa się z dwóch oddzielnych sieci, które przetwarzają dane równolegle. Pozwala to na analizę ogromnych zbiorów danych i scenariuszy z błyskawiczną szybkością i uzyskiwaniem prawdopodobieństw. Gdy to prawdopodobieństwo zostanie połączone z inteligentnymi, aktywnymi algorytmami statystycznymi, DeepOnet może przewidywać katastrofalne zdarzenia, nawet jeśli nie ma zbyt wielu danych do przetworzenia.

„Kluczem nie jest zbieranie wszystkich możliwych danych i wprowadzanie ich do systemu, ale szukanie z wyprzedzeniem zdarzeń, które będą wskazywały na rzadkie zdarzenia. Możemy nie mieć wielu przykładów rzeczywistego zdarzenia, ale mogą one mieć wcześniejsze zdarzenia. Poprzez matematykę ustalimy te i te, wraz z prawdziwymi wydarzeniami, pomoże nam wyszkolić żądny danych system DeepOnet” – powiedział Karniadakis.

W ten sposób naukowcy obliczyli różne możliwości przyszłego wybuchu epidemii lub pojawienia się znikąd ogromnej fali dwa do trzech razy większej od sąsiednich fal.

Naukowcy donoszą, że ich nowa metoda przewyższa większość obecnych modeli przewidywania i wierzą, że można ją wykorzystać do przewidywania wszelkiego rodzaju rzadkich zdarzeń. Karniadakis już współpracuje z naukowcami zajmującymi się środowiskiem, aby wykorzystać nową technikę do prognozowania zdarzeń pogodowych, takich jak huragany.

W artykule zespół badawczy opisuje, w jaki sposób naukowcy powinni projektować przyszłe eksperymenty, aby obniżyć koszty i zwiększyć dokładność prognoz. Na przykład Karniadakis już współpracuje z naukowcami zajmującymi się środowiskiem, aby zastosować nową metodę przewidywania zdarzeń pogodowych, takich jak huragany.

Zarówno T.Sapsis, jak i G.Karniadakis są absolwentami Szkoły Inżynierii Mechanicznej NTUA z doktoratami na MIT. Sapsis jest między innymi laureatem Bodosakis Science Prize 2021.

Czytaj więcej: Pierakakis: Grecja wdrożyła reformy cyfrowe i znajduje się obecnie w pożądanym królestwie.