Доктор Матиас Дюран Матуте
Этот пост является частью нашей серии блогов: Маломасштабная инициатива по машинному обучению, как это было?, где группы, приглашенные для участия в проекте с инженерами-программистами eScience Center Research, пишут о своих проектов и их опыта. На этой неделе приглашенным автором является доктор Матиас Дюран Матуте из Технического университета Эйндховена.
Когда мы думаем о нашей жизни, может быть очевидно, что каждый день отличается. Для других систем, таких как водоемы, может быть сложнее понять, как могут отличаться дни. До недавнего времени исследователи полагали, что в движениях Ваттового моря преобладают повторяющиеся циклические движения приливов, достигающие пиков и впадин примерно каждые 12 часов. Однако недавно они поняли, что это не может быть дальше от истины: ветер, особенно во время штормов, играет непропорционально большую роль в воздействии морских течений и чистом переносе наносов. Ветер на самом деле является доминирующей силой чистых течений. И есть другие переменные ключевые игроки: количество пресной воды, сбрасываемой реками, атмосферное давление и даже приливы ведут себя не так предсказуемо, как мы привыкли думать: действительно, приливы даже не идеально периодические.
Помимо того, что дни меняются, есть также большие различия из года в год. В один год может быть больше штормовых дней, чем в другой, или в некоторые годы восточные ветры более важны, чем обычно преобладающие юго-западные ветры. Это изменение ветров приводит к общим различиям в средних транспортных показателях между годами. Изменчивость во временных масштабах от суточного до годового может иметь большое влияние на экологическое функционирование Ваттового моря из-за, например, различий в переносе пресной воды из рек или переносе личинок. Потеря нескольких грузовых контейнеров кораблем в Северном море (недалеко от Ваттового моря) 7 апреля 2021 года — еще одна практическая причина, чтобы подчеркнуть важность понимания ежедневных различий. Где окажется весь груз?
В рамках проекта ENW/NWO «LOCO-EX: Голландское ваттовое море как система, управляемая событиями: долгосрочные последствия для обмена» изучается изменчивость голландского ваттового моря. Воздействия на море: ветер, приливы, сброс пресной воды и т. д. Это исследование возглавляют д-р Тео Геркема (NIOZ) и д-р Матиас Дюран Матуте (TU/e) в сотрудничестве с д-ром Ульфом Граеве (IOW, Германия) и с участием Жанкарло Фахардо Урбины (докторант TU/e), а также использует реалистичное численное моделирование течений, солености и температуры в голландском Ваддензе за 36 лет. Кроме того, эти симуляции были объединены для моделирования переноса пассивных частиц в воде, создав 300 миллионов траекторий частиц за 36 лет.
Как появляется машинное обучение?
Из концепции проекта LOCO-EX было ясно, что машинное обучение может помочь ответить на некоторые вопросы группы. Было две основные причины, по которым они увидели потенциал для включения машинного обучения. Во-первых, вынуждающие механизмы взаимодействуют нелинейным, сложным образом. Во-вторых, у них было много данных: состояние системы в течение примерно 13 000 различных дней (или 26 000 приливных периодов) примерно в 30 000 мест и, кроме того, 300 миллионов траекторий частиц.
Чтобы быстро приступить к работе, они подали заявку на участие в маломасштабной инициативе eScience Center Small-Scale Initiative (SSI) и получили консультацию по своему проекту под названием «Машинное обучение для комплексного реагирования на Ваттовое море». Первой целью группы было определить, что на самом деле может делать машинное обучение и какие инструменты машинного обучения потребуются группе для этого. В конце концов, машинное обучение — это не магия. Группа нашла хороших партнеров для обсуждения в лице инженеров eScience Center.
Они решили сосредоточиться на двух основных вопросах: во-первых, может ли машинное обучение прогнозировать усредненное ежедневное состояние Ваттового моря, если мы знаем воздействие. Во-вторых, сможем ли мы предсказать траектории частиц в Ваддензе с помощью машинного обучения.
Наиболее подходящим инструментом для ответа на эти вопросы была искусственная рекуррентная нейронная сеть (RNN) с долговременной кратковременной памятью (LSTM). Использование LSTM важно, потому что текущее состояние Ваттового моря зависит не только от текущего воздействия (например, ветра); это также зависит от истории системы. Инженеры Центра электронных наук Нидерландов помогли настроить первые модели.
Еще одно осложнение: траектории частиц хаотичны.
Хорошо известно, что траектории частиц в океане хаотичны. Это означает, что две частицы, стартовавшие близко друг к другу (либо во времени, либо в пространстве), в конечном итоге будут иметь очень разные траектории. На самом деле, одно из первых наблюдений этого явления связано с выпадением грузов из кораблей (так же, как это произошло в 2021 году в Северном море). В 1992 году грузовой контейнер упал в северную часть Тихого океана, сбросив 28 000 резиновых уточек и другие игрушки для купания. Эти резиновые уточки оказались на пляжах по всему миру, например, на Гавайях, Аляске, в Чили, Ирландии.
Один из открытых вопросов, который в настоящее время изучает группа, заключается в том, до какой степени машинное обучение можно использовать для захвата хаотических траекторий частиц.
Мы рады видеть будущие результаты этого проекта и хотели бы поблагодарить доктора Матиаса Дюрана Матуте и его коллег за вклад в наш блог.
