വെള്ളപ്പൊക്കം, കനത്ത മഴ അല്ലെങ്കിൽ ചുഴലിക്കാറ്റ് തുടങ്ങിയ തീവ്രമായ സംഭവങ്ങളുടെ അടിസ്ഥാന കാരണം തിരിച്ചറിയുന്നത് വളരെ ബുദ്ധിമുട്ടാണ്, മാത്രമല്ല പ്രായോഗികമായ ഭൗതിക വിശദീകരണങ്ങളിൽ എത്തിച്ചേരാൻ നിരവധി പതിറ്റാണ്ടുകളായി ശാസ്ത്രജ്ഞരുടെ കൂട്ടായ ശ്രമം ആവശ്യമാണ്.

തീവ്രമായ സംഭവങ്ങൾ പ്രതീക്ഷിച്ച പെരുമാറ്റത്തിൽ നിന്ന് ഗണ്യമായ വ്യതിയാനത്തിന് കാരണമാവുകയും നിരവധി ശാസ്ത്രീയ പ്രശ്നങ്ങൾക്കും പ്രായോഗിക സാഹചര്യങ്ങൾക്കും മൊത്തത്തിലുള്ള ഫലത്തെ നിർണ്ണയിക്കുകയും ചെയ്യും. ഉദാഹരണത്തിന്, തീവ്രമായ സംഭവങ്ങളെക്കുറിച്ചുള്ള അടിസ്ഥാനപരമായ ധാരണയ്ക്ക് സുപ്രധാന പ്രാധാന്യമുള്ള പ്രായോഗിക സാഹചര്യങ്ങളിൽ കപ്പലുകളെയും ഓഫ് ഷോർ ഘടനകളെയും അപകടത്തിലാക്കുന്ന സമുദ്രത്തിലെ തെമ്മാടി തിരമാലകൾ അല്ലെങ്കിൽ ഫോർട്ട് ലോഡർഡേൽ പ്രദേശത്ത് ഏഴ് മണിക്കൂറിനുള്ളിൽ 20 ഇഞ്ച് മഴ പെയ്ത ഏപ്രിലിലെ ജീവൻ അപകടപ്പെടുത്തുന്ന വെള്ളപ്പൊക്കം പോലുള്ള “1,000 വർഷത്തെ മഴ” എന്നിവ ഉൾപ്പെടുന്നു.

അത്തരം തീവ്രമായ സംഭവങ്ങൾ അനാവരണം ചെയ്യുന്നതിന്റെ കാതൽ ദ്രാവകങ്ങളുടെ ഭൗതികശാസ്ത്രമാണ് – പ്രത്യേകിച്ച് പ്രക്ഷുബ്ധമായ ഒഴുക്കുകൾ, ഇത് സമയത്തിലും സ്ഥലത്തും രസകരമായ പെരുമാറ്റത്തിന്റെ വിശാലമായ ശ്രേണി പ്രകടമാക്കുന്നു. ദ്രാവക ചലനാത്മകതയിൽ, പ്രക്ഷുബ്ധമായ ഒഴുക്ക് എന്നത് ക്രമരഹിതമായ ഒഴുക്കിനെ സൂചിപ്പിക്കുന്നു, അതിലൂടെ എഡ്ഡികൾ, ചുഴികൾ, ഒഴുക്ക് അസ്ഥിരത എന്നിവ സംഭവിക്കുന്നു. പ്രക്ഷുബ്ധമായ അരുവികളുടെ ക്രമരഹിതമായ സ്വഭാവവും ക്രമരഹിതതയും കാരണം, അവ മനസ്സിലാക്കാനോ സമവാക്യങ്ങളിലൂടെ ക്രമം പ്രയോഗിക്കാനോ കുപ്രസിദ്ധമാണ്.

ഫ്ലോറിഡ അറ്റ്ലാന്റിക് യൂണിവേഴ്സിറ്റിയുടെ കോളേജ് ഓഫ് എഞ്ചിനീയറിംഗ് ആൻഡ് കമ്പ്യൂട്ടർ സയൻസിലെ ഗവേഷകർ ഒരു കമ്പ്യൂട്ടർ-വിഷൻ ഡീപ് ലേണിംഗ് ടെക്നിക് പ്രയോജനപ്പെടുത്തുകയും നിരവധി ഭൗതികശാസ്ത്ര, എഞ്ചിനീയറിംഗ് ആപ്ലിക്കേഷനുകളിൽ വ്യാപകമായതും കാറ്റ്, ഹൈഡ്രോകൈനെറ്റിക് ഊർജ്ജം എന്നിവയെ ബാധിക്കുന്നതുമായ ചുവർ-അതിർത്തി പ്രക്ഷുബ്ധ പ്രവാഹങ്ങളിലെ തീവ്രമായ സംഭവങ്ങളുടെ നോൺലിനിയർ വിശകലനത്തിനായി ഇത് പൊരുത്തപ്പെടുത്തുകയും ചെയ്തു.

ഈ പ്രതിഭാസത്തിന്റെ നോൺ-ലീനിയർ സ്വഭാവത്തെ മറികടക്കാൻ വിവിധ മെഷീൻ ലേണിംഗ് ടെക്നിക്കുകൾ ഉപയോഗിച്ച് മതിൽ ചുറ്റപ്പെട്ട പ്രക്ഷുബ്ധമായ ഒഴുക്കിനുള്ളിലെ സംഘടിത ഘടനകളെ തിരിച്ചറിയുന്നതിലും നിയന്ത്രിക്കുന്നതിലും പഠനം ശ്രദ്ധ കേന്ദ്രീകരിച്ചു.

ഫിസിക്കൽ റിവ്യൂ ഫ്ലൂയിഡ്സ് ജേണലിൽ പ്രസിദ്ധീകരിച്ച ഫലങ്ങൾ തെളിയിക്കുന്നത്, തീവ്രമായ സംഭവങ്ങളുടെ ഉറവിടങ്ങൾ പൂർണ്ണമായും ഡാറ്റ അടിസ്ഥാനമാക്കിയുള്ള രീതിയിൽ കൃത്യമായി തിരിച്ചറിയുന്നതിന് ഗവേഷകർ ഉപയോഗിച്ച സാങ്കേതികത വിലമതിക്കാനാവാത്തതാണ്. അവർ ആവിഷ്കരിച്ച ചട്ടക്കൂട് മറ്റ് ശാസ്ത്രീയ മേഖലകളിലേക്ക് വ്യാപിപ്പിക്കാൻ പര്യാപ്തമാണ്, അവിടെ നിർണായക പ്രതിഭാസങ്ങളുടെ പരിണാമത്തെ നിയന്ത്രിക്കുന്ന അടിസ്ഥാന സ്പേഷ്യൽ ഡൈനാമിക്സ് മുൻകൂട്ടി അറിയില്ലായിരിക്കാം.

സ്പേഷ്യൽ ബന്ധങ്ങൾ കണ്ടെത്തുന്നതിൽ വൈദഗ്ധ്യം നേടിയ കൺവലൂഷണൽ ന്യൂറൽ നെറ്റ്വർക്ക് (സിഎൻഎൻ) എന്ന ന്യൂറൽ നെറ്റ്വർക്ക് ആർക്കിടെക്ചർ ഉപയോഗിച്ച്, ഗവേഷകർ പ്രക്ഷുബ്ധമായ ഫ്ലോ സിമുലേഷനിലെ ഇജക്ഷൻ ഘടനകളുടെ ആപേക്ഷിക തീവ്രത കണക്കാക്കാൻ ഒരു നെറ്റ് വർക്കിനെ പരിശീലിപ്പിച്ചു.

“എഞ്ചിനീയറിംഗ്, ശാസ്ത്രീയ കണ്ടുപിടുത്തങ്ങളിൽ മതിലുകളാൽ ചുറ്റപ്പെട്ട പ്രക്ഷുബ്ധത മനസിലാക്കുകയും നിയന്ത്രിക്കുകയും ചെയ്യുന്നത് വളരെക്കാലമായി പിന്തുടരുന്നു, എന്നിരുന്നാലും അടിസ്ഥാന വീക്ഷണകോണിൽ നിന്ന്, അജ്ഞാതമായി അവശേഷിക്കുന്ന ധാരാളം കാര്യങ്ങളുണ്ട്,” മുതിർന്ന എഴുത്തുകാരനും ഫൗവിന്റെ ഓഷ്യൻ ആൻഡ് മെക്കാനിക്കൽ എഞ്ചിനീയറിംഗ് വിഭാഗത്തിലെ അസിസ്റ്റന്റ് പ്രൊഫസറുമായ സിദ്ധാർത്ഥ വർമ്മ പറഞ്ഞു.

“ഞങ്ങൾ വരുത്തിയ നിർദ്ദിഷ്ട പരിഷ്കാരങ്ങൾ ഉപയോഗിച്ച്, പരിഷ്കരിച്ച മൾട്ടി-ലെയർ ഗ്രേഡ്കാം ടെക്നിക്കിനൊപ്പം 3 ഡി സിഎൻഎന്നുകൾ നോൺലിനിയർ പരസ്പരബന്ധങ്ങൾ വിശകലനം ചെയ്യുന്നതിനും പ്രക്ഷുബ്ധമായ ഫ്ലോ ഡാറ്റയിൽ അടങ്ങിയിരിക്കുന്ന പ്രധാന സ്പേഷ്യൽ സവിശേഷതകൾ വെളിപ്പെടുത്തുന്നതിനും വളരെയധികം ഉപയോഗപ്രദമാണെന്ന് തെളിയിക്കാൻ കഴിയുമെന്ന് ഞങ്ങളുടെ കണ്ടെത്തലുകൾ സൂചിപ്പിക്കുന്നു.”

ഗവേഷകർ ഉപയോഗിച്ച പൊതുവായ ചട്ടക്കൂട് 3 ഡി സിഎൻഎന്നുകളുടെ സംയോജനവും പുതുതായി പരിഷ്കരിച്ച മൾട്ടി-ലെയർ ഗ്രേഡ്കാം (ഗ്രേഡിയന്റ്-വെയ്റ്റഡ് ക്ലാസ് ആക്റ്റിവേഷൻ മാപ്പിംഗ്) സാങ്കേതികതയും പ്രയോജനപ്പെടുത്തുന്നു, ഇത് മതിലിന്റെ അതിരുകളുള്ള പ്രക്ഷുബ്ധമായ ഒഴുക്കുകളിലെ ഇജക്ഷൻ സംഭവങ്ങളുമായി ബന്ധപ്പെട്ട ഒരു സിഎൻഎന്നിന്റെ പഠിച്ച ബന്ധങ്ങളുടെ വിശദീകരിക്കാവുന്ന വ്യാഖ്യാനം നൽകുന്നു.

“ഈ പഠനത്തിൽ ഉപയോഗിച്ചതുപോലുള്ള സാങ്കേതിക വിദ്യകൾ ഉപയോഗിച്ച് തിരിച്ചറിയൽ ഒരു പ്രധാന ലക്ഷ്യമാണെങ്കിലും, ഈ യോജിച്ച ഘടനകളുടെ നിയന്ത്രണത്തിനും നിയന്ത്രണത്തിനും എണ്ണമറ്റ ശാസ്ത്രീയവും പ്രായോഗികവുമായ പ്രയോഗങ്ങളുണ്ട്, അതായത് കപ്പലുകളിലെ ഇഴയൽ കുറയ്ക്കൽ അല്ലെങ്കിൽ യൂട്ടിലിറ്റി ഇൻഫ്രാസ്ട്രക്ചറിലെ കാര്യക്ഷമത എന്നിവ,” ഫൗവിന്റെ കോളേജ് ഓഫ് എഞ്ചിനീയറിംഗ് ആൻഡ് കമ്പ്യൂട്ടർ സയൻസിലെ ഡോക്ടറൽ പൂർവ്വ വിദ്യാർത്ഥിയും നോർത്രോപ്പ് ഗ്രുമ്മനിലെ പ്രിൻസിപ്പൽ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് എഞ്ചിനീയറുമായ എറിക് ജഗോഡിൻസ്കി പറഞ്ഞു.

“എന്നിരുന്നാലും, പ്രക്ഷുബ്ധമായ ഒഴുക്കുകളുടെ നിയന്ത്രണം ഒരു വെല്ലുവിളി നിറഞ്ഞ പ്രശ്നമാണ്, കാരണം യോജിച്ച ഘടനകളുടെ അന്തർലീനമായ നോൺലിനിയർ പരിണാമം, അതിനാൽ അവയെ കൃത്യമായി തിരിച്ചറിയുന്നത് നിർണായകമാണ്.”

പ്രക്ഷുബ്ധമായ ഒഴുക്ക് ഘടനകൾ വിശകലനം ചെയ്യുന്നതിന് കൂടുതൽ അനുയോജ്യമാക്കുന്നതിന് ഫൗ ഗവേഷകർ സിഎൻഎൻ ആർക്കിടെക്ചറും ഗ്രേഡ്കാം സാങ്കേതികവിദ്യയും പരിഷ്കരിച്ചു. പരിഷ്കരിച്ച സിഎൻഎൻ-ഗ്രേഡ്കാം ചട്ടക്കൂട് ഉപയോഗിച്ച്, അവർ ഇടയ്ക്കിടെയുള്ള ഇജക്ഷൻ ഇവന്റുകൾ പരിശോധിച്ചു, ഇത് അതിർത്തി പാളികൾക്കുള്ളിൽ പ്രക്ഷുബ്ധമായ ചലനാത്മക ഊർജ്ജത്തിന്റെ ഉത്പാദനത്തെ സ്വാധീനിക്കുന്നതായി അറിയപ്പെടുന്നു.

“ഡീപ് ലേണിംഗ് ഉപയോഗിച്ച് മതിലുകളാൽ ചുറ്റപ്പെട്ട പ്രക്ഷുബ്ധമായ ഒഴുക്കുകളെക്കുറിച്ച് ഈ സുപ്രധാന പഠനം ഒരു പുതിയ ധാരണ നൽകുന്നു,” ഫൗ കോളേജ് ഓഫ് എഞ്ചിനീയറിംഗ് ആൻഡ് കമ്പ്യൂട്ടർ സയൻസ് പിഎച്ച്ഡി ഡീൻ സ്റ്റെല്ല ബറ്റലാമ പറഞ്ഞു. “ഞങ്ങളുടെ ഗവേഷകർ വികസിപ്പിച്ചെടുത്ത സാങ്കേതികവിദ്യകൾ ഫ്ലൂയിഡ് ഡൈനാമിക്സ് സിമുലേഷനുകളിൽ പതിവായി കാണപ്പെടുന്ന ഡാറ്റ പോലുള്ള ബൃഹത്തായ, സങ്കീർണ്ണമായ സിസ്റ്റങ്ങളിൽ നോൺ-ലീനിയർ ബന്ധങ്ങൾ കണ്ടെത്താൻ അനുവദിക്കുന്നു.”

കൂടുതൽ വിവരങ്ങൾ: എറിക് ജാഗോഡിൻസ്കിയും മറ്റുള്ളവരും, ത്രിമാന കൺവലൂഷണൽ ന്യൂറൽ നെറ്റ് വർക്കുകൾ ഉപയോഗിച്ച് പ്രക്ഷുബ്ധമായ ഒഴുക്കുകളിൽ ചലനാത്മകമായി പ്രധാനപ്പെട്ട പ്രദേശങ്ങളുടെ വിപരീത തിരിച്ചറിയൽ, ഫിസിക്കൽ റിവ്യൂ ഫ്ലൂയിഡുകൾ (2023). DOI: 10.1103/PhysRevFluids.8.094605