ഫ്ലോറിഡ കമ്മ്യൂണിറ്റികളിലെ വെള്ളപ്പൊക്ക അപകടസാധ്യതകൾ കുറയ്ക്കുന്നതിനുള്ള അപ്ലിക്കേഷനിൽ മെഷീൻ ലേണിംഗ് മോഡൽ പ്രധാനമാണ്

You are currently viewing ഫ്ലോറിഡ കമ്മ്യൂണിറ്റികളിലെ വെള്ളപ്പൊക്ക അപകടസാധ്യതകൾ കുറയ്ക്കുന്നതിനുള്ള അപ്ലിക്കേഷനിൽ മെഷീൻ ലേണിംഗ് മോഡൽ പ്രധാനമാണ്

ജോർജിയ ടെക്കിലെ ഒരു സയന്റിഫിക് മെഷീൻ ലേണിംഗ് (എം എൽ) വിദഗ്ധൻ വെള്ളപ്പൊക്ക സാധ്യതയുള്ള ഫ്ലോറിഡ കമ്മ്യൂണിറ്റികളെ തിരിച്ചറിയുന്നതിനും സഹായിക്കുന്നതിനുമായി ഒരു ആപ്ലിക്കേഷൻ വികസിപ്പിക്കുന്നതിൽ ഒരു കൈ നൽകുന്നു.

സ്കൂൾ ഓഫ് കമ്പ്യൂട്ടേഷണൽ സയൻസ് ആൻഡ് എഞ്ചിനീയറിംഗ് (സിഎസ്ഇ) അസിസ്റ്റന്റ് പ്രൊഫസർ പെങ് ചെൻ ക്രിസ്-ഹസാർഡ് സിസ്റ്റം വികസിപ്പിക്കുന്നതിനായി 1.5 മില്യൺ ഡോളർ നാഷണൽ സയൻസ് ഫൗണ്ടേഷൻ ഗ്രാന്റിന്റെ സഹ-പ്രിൻസിപ്പൽ അന്വേഷകനാണ്.

ട്രാഫിക് ക്യാമറ വീഡിയോകളും സോഷ്യൽ മീഡിയ പോസ്റ്റുകളും പോലുള്ള കമ്മ്യൂണിറ്റി ഇൻപുട്ടിൽ നിന്ന് ഖനനം ചെയ്ത ഭൂമിശാസ്ത്രപരമായ വിവരങ്ങളും ഡാറ്റയും സമന്വയിപ്പിക്കുന്നതിൽ നിന്നാണ് ക്രൈസ്-ഹസാർഡിന്റെ ശക്തി ഉത്ഭവിക്കുന്നത്.

വെള്ളപ്പൊക്കത്തിന് ഏറ്റവും സാധ്യതയുള്ള പ്രദേശങ്ങൾ തിരിച്ചറിയാനും കമ്മ്യൂണിറ്റി ആവശ്യങ്ങൾ പരിഹരിക്കാനും ഈ കഴിവ് നയരൂപകർത്താക്കളെ സഹായിക്കുന്നു. ഇരകളെ ഫസ്റ്റ് റെസ്പോൺസർമാരുമായും എമർജൻസി മാനേജർമാരുമായും ബന്ധിപ്പിക്കുന്നതിന് തത്സമയം വെള്ളപ്പൊക്കം പ്രവചിക്കുകയും വിലയിരുത്തുകയും ചെയ്യുന്നു.

“ക്രിസ്-ഹസാർഡ് വിജയകരമായി വിന്യസിക്കുന്നത് തീരുമാനമെടുക്കുന്നത് അറിയിക്കുന്നതിന് പ്രത്യക്ഷവും പരോക്ഷവുമായ ഇടപെടല് ശ്രമങ്ങളിലൂടെ കമ്മ്യൂണിറ്റി അറിവ് ഉപയോഗപ്പെടുത്തും,” ചെന് പറഞ്ഞു. “ഇത് വ്യക്തികളെ നയരൂപകർത്താക്കളുമായി ബന്ധിപ്പിക്കുകയും ഏറ്റവും ദുർബലരായ കമ്മ്യൂണിറ്റികളെ സഹായിക്കുന്നതിനുള്ള ഒരു റോഡ്മാപ്പായി പ്രവർത്തിക്കുകയും ചെയ്യും.”

അപ്ലിക്കേഷന്റെ പ്രവചന ശേഷിക്കായി പുതിയ എം എൽ മോഡലുകൾ വികസിപ്പിക്കുക എന്നതാണ് ക്രിസ്-ഹസാർഡിൽ ചെനിന്റെ പങ്ക്. ഈ സ്വാംശീകരണ മോഡലുകൾ ഖനനം ചെയ്ത ഡാറ്റയെ നിലവിലെ ഹൈഡ്രോഡൈനാമിക് മോഡലുകളിൽ നിന്നുള്ള പ്രവചനങ്ങളുമായി സമന്വയിപ്പിക്കുന്നു.

വെള്ളപ്പൊക്ക സാധ്യതയുള്ള തീരദേശ സമൂഹങ്ങളിൽ ഉടനടി സ്വാധീനം ചെലുത്തുന്നതിനൊപ്പം, ഈ മോഡലുകൾക്ക് ഭാവിയിൽ വിശാലമായ പ്രയോഗങ്ങളുണ്ടാകുമെന്ന് ചെൻ പറഞ്ഞു. മെച്ചപ്പെട്ട ചുഴലിക്കാറ്റ് പ്രവചനത്തിനും ജലസ്രോതസ്സുകളുടെ മാനേജ്മെന്റിനുമുള്ള മാതൃകകൾ ഇതിൽ ഉൾപ്പെടുന്നു.

കമ്മ്യൂണിറ്റികളെ സഹായിക്കാൻ ലക്ഷ്യമിട്ടുള്ള മുൻകാല ആപ്ലിക്കേഷനുകളിൽ നിന്നാണ് ക്രിസ്-ഹസാർഡിനായി ചെൻ നിർമ്മിക്കുന്ന മോഡലുകൾ ഉരുത്തിരിഞ്ഞത്.

കോവിഡ് -19 ഉൾപ്പെടെയുള്ള രോഗ വ്യാപനം നിരീക്ഷിക്കുന്നതിനും ലഘൂകരിക്കുന്നതിനും സമാനമായ മാതൃകകൾ ചെൻ രൂപകൽപ്പന ചെയ്തിട്ടുണ്ട്. മെറ്റാമെറ്റീരിയലുകളുടെയും സെൽഫ് അസംബ്ലി മെറ്റീരിയലുകളുടെയും രൂപകൽപ്പന ത്വരിതപ്പെടുത്തുന്നതിന് മെറ്റീരിയൽ സയൻസ് പ്രോജക്റ്റുകളിലും അദ്ദേഹം പ്രവർത്തിച്ചിട്ടുണ്ട്.

“ശാസ്ത്രീയ മെഷീൻ ലേണിംഗ് വളരെ വിശാലമായ ആശയമാണ്, ഇത് വിവിധ മേഖലകളിൽ പ്രയോഗിക്കാൻ കഴിയും,” ചെൻ പറഞ്ഞു. “ഒപ്റ്റിമൈസേഷൻ എങ്ങനെ ത്വരിതപ്പെടുത്താം, അപകടസാധ്യത കണക്കിലെടുക്കാം, ഈ ആപ്ലിക്കേഷനുകളിലെ അനിശ്ചിതത്വം എങ്ങനെ കണക്കാക്കാം എന്ന് ഞങ്ങളുടെ ഗ്രൂപ്പ് നോക്കുന്നു.”

സൗത്ത് ഫ്ലോറിഡ സർവകലാശാലയിലെ ഗവേഷകരുടെ നേതൃത്വത്തിലുള്ള പദ്ധതിയിലേക്ക് ചെനിനെ എത്തിക്കുന്നത് ക്രിസ്-ഹസാർഡിലെ അനിശ്ചിതത്വമാണ്. അപ്ലിക്കേഷന്റെ പുതുമ വൈവിധ്യമാർന്ന ഡാറ്റയുടെ ഉപയോഗത്തിലാണെങ്കിലും, വ്യത്യസ്ത ഫോർമാറ്റുകളിൽ ഡാറ്റ വ്യത്യസ്ത ഉറവിടങ്ങളിൽ നിന്ന് വരുന്നതിനാൽ പ്രവചനങ്ങൾ ഊഹിക്കുന്നത് വെല്ലുവിളിയാണ്.

ഇത് മറികടക്കാൻ, ഡീപ് ന്യൂറൽ നെറ്റ് വർക്കുകൾ (ഡിഎൻഎൻ) ഉപയോഗിച്ച് ആദ്യം മുതൽ പുതിയ ഡാറ്റ സ്വാംശീകരണ മോഡലുകൾ നിർമ്മിക്കാൻ ചെൻ ഉദ്ദേശിക്കുന്നു.

വൈവിധ്യമാർന്ന ഡാറ്റകൾ തമ്മിലുള്ള ബന്ധങ്ങൾ കണ്ടെത്താനുള്ള കഴിവിനൊപ്പം, ഡിഎൻഎനുകൾ സ്കെയിലബിൾ, വിലകുറഞ്ഞതാണ്. ഒരേ കണക്കുകൂട്ടലുകൾ നടത്താൻ സൂപ്പർ കമ്പ്യൂട്ടറുകൾ ഉപയോഗിക്കുന്ന ബദലിനെ ഇത് മറികടക്കുന്നു.

ഡിഎൻഎനുകളും വേഗതയുള്ളതാണ്, മാത്രമല്ല കംപ്യൂട്ടേഷണൽ സമയം ഗണ്യമായി കുറയ്ക്കാനും കഴിയും. ചെൻ പറയുന്നതനുസരിച്ച്, ഡിഎൻഎനുകളുടെ കാര്യക്ഷമതയ്ക്ക് ക്ലാസിക്കൽ മോഡലുകളേക്കാൾ ലക്ഷക്കണക്കിന് മടങ്ങ് ആക് സിലറേഷൻ നേടാൻ കഴിയും.

കുറഞ്ഞ ചെലവും സമയവും ഡിഎൻഎൻ അധിഷ്ഠിത സിമുലേഷനുകൾ ഒന്നിലധികം തവണ പ്രവർത്തിപ്പിക്കുന്നത് സാധ്യമാക്കുന്നു. ഡിഎൻഎൻമാർക്ക് ശരിയായി പരിശീലനം ലഭിച്ചുകഴിഞ്ഞാൽ ഇത് തത്സമയ പ്രവചന ഫലങ്ങളിലെ വിശ്വാസ്യത മെച്ചപ്പെടുത്തുന്നു.

“ഞങ്ങൾ സംയോജിപ്പിക്കാൻ ശ്രമിക്കുന്ന വ്യത്യസ്ത മോഡലുകൾ ഉള്ളതിനാൽ ഡാറ്റ സ്ഥിരതയുള്ളതോ പൊരുത്തപ്പെടാത്തതോ ആയിരിക്കില്ല, ഇത് പ്രവചനം അനിശ്ചിതത്വത്തിലാക്കുന്നു,” ചെൻ പറഞ്ഞു. “അനിശ്ചിതത്വം കണക്കാക്കാനും സാധ്യതാ വിതരണം അല്ലെങ്കിൽ പ്രവചനങ്ങളുടെ ഒരു ശ്രേണി നൽകാനും ഞങ്ങൾക്ക് ഈ എം എൽ മോഡലുകൾ പലതവണ പ്രവർത്തിപ്പിക്കാൻ കഴിയും.”

വിവിധ മേഖലകളിലും സർവകലാശാലകളിലും ഉടനീളമുള്ള സഹകരണത്തിന്റെ ശക്തിയും CRIS-Hazard ഉദാഹരണമാണ്. ഈ സാഹചര്യത്തിൽ, വെള്ളപ്പൊക്കത്തിനോ മറ്റ് പ്രകൃതിദുരന്തങ്ങൾക്കോ ഇരയാകുന്ന ആളുകളെ സഹായിക്കുന്നതിന് മെഷീൻ ലേണിംഗ് ടെക്നിക്കുകൾ സംസ്ഥാന അതിർത്തികൾക്കപ്പുറത്തേക്ക് എത്തുന്നു.

ഡാറ്റാ സയൻസും ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസും ഉൾക്കൊള്ളുന്ന സ്കൂൾ ഓഫ് ജിയോസയൻസിലെ ജിയോകമ്പ്യൂട്ടേഷൻ ഗവേഷകരായ അസോസിയേറ്റ് പ്രൊഫസർ യി ക്വിയാങ്ങിനൊപ്പം യുഎസ്എഫ് പ്രൊഫസർ ബർനാലി ഡിക്സൺ പദ്ധതിക്ക് നേതൃത്വം നൽകുന്നു.

സ്കൂൾ ഓഫ് സിറ്റി ആൻഡ് റീജിയണൽ പ്ലാനിംഗിൽ പ്രൊഫസർ എന്നതിനുപുറമെ, ടെക്കിന്റെ മാസ്റ്റർ ഓഫ് സയൻസ് ഇൻ അർബൻ അനലിറ്റിക്സ് പ്രോഗ്രാമിന്റെയും സെന്റർ ഫോർ സ്പേഷ്യൽ പ്ലാനിംഗ് ആൻഡ് അനലിറ്റിക്സ് ആൻഡ് വിഷ്വലൈസേഷന്റെയും ഡയറക്ടറാണ് ഗുഹത്കുർത്ത.

Dr Bibin

Experienced Researcher with a demonstrated history of working in the Deep Learning, Computer Vision

Leave a Reply