داستا‌ن از اون‌جایی شروع میشه که محقق‌ها دارن سعی می‌کنن با استفاده از یادگیری عمیق – یعنی همین الگوریتم‌های خفن هوش مصنوعی مثل شبکه‌های عصبی – سر از کار جریان‌های سیال آشفته (یا همون توربولانس) دربیارن!
حالا توربولانس رو اگه نمی‌دونی چیه، همون حرکت‌های عجیب و غریب و شلوغ پلوغِ سیاله (مثلاً آب رودخونه‌ای که موج برمی‌داره یا باد شدید که یکهو تغییر مسیر میده). این حالتِ حرکت سیال، واقعاً پیش‌بینی‌ش سخته و کلی ریاضی پیچیده داره و دانشمندا همیشه دنبال مدل‌سازی بهترش بودن.
این مقاله درباره اینه که چطور میشه با کمک هوش مصنوعی (AI)، خصوصاً مدل‌های ژنراتیو (یعنی مدل‌هایی که می‌تونن خودشون داده جدید تولید کنن مثل عکس، نوشته، یا حتی اطلاعات جریان سیال)، مدل‌سازی توربولانس رو بهتر و دقیق‌تر انجام داد. تازه یه چیز جذاب دیگه هم هست: اینکه میشه با این الگوریتم‌ها عکس‌های بی‌کیفیت از جریان آشفته رو به عکس‌های باکیفیت‌تر تبدیل کرد؛ به این کار می‌گن سوپررزولوشن (Super-Resolution)، یعنی افزایش رزولوشن یا کیفیت تصویر با استفاده از هوش مصنوعی و یادگیری ماشین.
تو این حوزه، یه سری مدل کلاسیک هم هستن (یعنی روش‌های قدیمی‌تر مثل بر پایه فیزیک و شبیه‌سازی عددی)، ولی الان با افزایش داده‌ها، مخصوصاً داده‌هایی که از آزمایشگاه و شبیه‌سازی‌های کامپیوتری خیلی سنگین میاد، مدل‌های جدید بر پایه یادگیری عمیق حسابی مورد توجه قرار گرفتن.
این مقاله، یه جمع‌بندی داره از مدل‌سازی سنتی و مدرن توربولانس و مسائلی که تو این مسیر پیش میاد. مثلاً یکی از چالش‌های مهم اینه که چطور مدل‌های چند مقیاسی جریان آشفته (Multiscale turbulence models یعنی مدل‌هایی که هم ریز رفتارها رو می‌بینن هم رفتارهای کلی رو) رو با شبکه‌های عصبی ترکیب کنیم تا خروجی‌شون هم دقیق‌تر باشه هم سریع‌تر! چون توربولانس تو مقیاس‌های مختلف (از خیلی ریز تا خیلی بزرگ) رفتار خاص خودش رو داره و مدل‌سازی اون کار هر کسی نیست.
نکته جالب و مهم دیگه اینجاست که از مدل‌های ژنراتیو خاص مثل 3D-Variational Autoencoder – که یه جور شبکه عصبی هست برای یادگیری فشرده‌سازی و بازسازی داده‌های سه‌بعدی – برای این سوپررزولوشن استفاده کردن. یعنی این مدل میاد یه حجم زیادی داده از جریان آشفته رو دریافت می‌کنه (که اطلاعاتش معمولاً یا ناقص یا کم کیفیته) و بعد سعی می‌کنه جزئیات دقیق‌تر و بیشتری بازسازی کنه، به صورتی که انگار عکس رو با یه دوربین خیلی باکیفیت گرفتی!
در کل، هدف اصلی این تکنیک‌ها اینه که از دل داده‌های پیچیده و حجیمِ جریان سیالات، اطلاعات جالب و به‌دردبخور برای دانشمندا و مهندس‌ها بیرون بکشن و حتی به حل مسائل مختلف مهندسی، هواشناسی، حمل‌ونقل، و حتی طراحی وسایل نقلیه کمک کنن. خلاصه ماجرا اینه که هوش مصنوعی داره توربولانس و مدل‌سازی سیالات رو وارد یه مرحله جدید و جذاب می‌کنه!
پس اگه به هوش مصنوعی و دنیای آشفته سیالات علاقه‌داری، بد نیست بدونی که الان مدل‌های عمیق دارن انقلاب به‌پا می‌کنن و می‌تونن عکس‌های تار و بی‌کیفیت جریان‌های آشفته رو شفاف و واضح کنن! همه‌ی این‌ها یعنی آینده مدل‌سازی سیالات خیلی هیجان‌انگیزه و تا چند سال دیگه کلی راه‌حل هوشمندانه‌تر دستمون میاد.
منبع: +
