AI สามารถกำหนดมาตรฐานใหม่สำหรับการออกแบบอาคารที่ต้านพายุเฮอริเคนได้

ด้วยข้อมูลพายุเฮอริเคนกว่า 100 ปีและเทคนิค AI สมัยใหม่ นักวิจัยจากสถาบันมาตรฐานและเทคโนโลยีแห่งชาติ (NIST) ได้คิดค้นวิธีการใหม่ในการจำลองพายุเฮอริเคนแบบดิจิทัล ผลการศึกษาที่ตีพิมพ์ในวันนี้ในปัญญาประดิษฐ์สำหรับระบบโลกแสดงให้เห็นว่าการจำลองสามารถแสดงถึงวิถีและความเร็วลมของกลุ่มพายุที่เกิดขึ้นจริงได้อย่างแม่นยำ ผู้เขียนแนะนำว่าการจำลองพายุเฮอริเคนที่เหมือนจริงจำนวนมากด้วยแนวทางใหม่สามารถช่วยพัฒนาแนวทางที่ดีขึ้นสำหรับการออกแบบอาคารในพื้นที่ที่เกิดพายุเฮอริเคนได้ กฎหมายของรัฐและท้องถิ่นที่ควบคุมการออกแบบและการก่อสร้างอาคาร หรือที่รู้จักกันทั่วไปว่าเป็นรหัสอาคาร ชี้ให้เห็นถึงการออกแบบแผนที่มาตรฐาน บนแผนที่เหล่านี้ วิศวกรสามารถค้นหาระดับของลมที่โครงสร้างของพวกเขาต้องรับมือโดยอิงตามตำแหน่งที่ตั้งและความสำคัญที่สัมพันธ์กัน (กล่าวคือ แถบสำหรับโรงพยาบาลจะสูงกว่าสำหรับสถานที่จัดเก็บเอง) ความเร็วลมในแผนที่ได้มาจากคะแนนของพายุเฮอริเคนสมมุติที่จำลองโดยแบบจำลองคอมพิวเตอร์ ซึ่งอ้างอิงจากบันทึกของพายุเฮอริเคนในชีวิตจริง "ลองนึกภาพว่าคุณมีโลกใบที่สองหรือโลกหนึ่งพันใบ ที่ซึ่งคุณสามารถสังเกตพายุเฮอริเคนเป็นเวลา 100 ปี และดูว่าพวกมันกระทบชายฝั่งที่ไหน รุนแรงแค่ไหน พายุจำลองเหล่านั้น ถ้าพวกมันมีพฤติกรรมเหมือนเฮอริเคนจริง ก็สามารถนำมาใช้เพื่อ สร้างข้อมูลในแผนที่เกือบจะโดยตรง” Adam Pintar นักสถิติทางคณิตศาสตร์ของ NIST ผู้ร่วมวิจัยกล่าว นักวิจัยผู้พัฒนาแผนที่ล่าสุดทำได้โดยการจำลองการทำงานภายในที่ซับซ้อนของพายุเฮอริเคน ซึ่งได้รับอิทธิพลจากพารามิเตอร์ทางกายภาพ เช่น อุณหภูมิพื้นผิวน้ำทะเล และความขรุขระของพื้นผิวโลก อย่างไรก็ตาม ข้อมูลที่จำเป็นเกี่ยวกับปัจจัยเฉพาะเหล่านี้ไม่พร้อมใช้งานเสมอไป กว่าทศวรรษต่อมา ความก้าวหน้าในเครื่องมือที่ใช้ AI และบันทึกพายุเฮอริเคนเพิ่มเติมอีกหลายปีทำให้แนวทางที่ไม่เคยมีมาก่อนเป็นไปได้ ซึ่งอาจส่งผลให้แผนที่ลมพายุเฮอริเคนที่สมจริงมากขึ้นตามท้องถนน Rikhi Bose นักวิจัยหลังปริญญาเอกของ NIST ร่วมกับ Pintar และ Emil Simiu Fellow ของ NIST ได้ใช้เทคนิคและทรัพยากรใหม่ๆ เหล่านี้เพื่อจัดการกับปัญหาจากมุมที่ต่างออกไป แทนที่จะใช้แบบจำลองทางคณิตศาสตร์สร้างพายุตั้งแต่ต้น ผู้เขียนผลการศึกษาใหม่สอนให้เลียนแบบข้อมูลพายุเฮอริเคนจริงด้วยการเรียนรู้ของเครื่อง พินตาร์กล่าว การเรียนเพื่อสอบฟิสิกส์โดยดูเฉพาะคำถามและคำตอบของงานที่มอบหมายก่อนหน้านี้อาจไม่ได้ประโยชน์สำหรับนักเรียน แต่สำหรับเทคนิคที่ใช้ AI อันทรงพลัง วิธีการประเภทนี้อาจคุ้มค่า ด้วยข้อมูลที่มีคุณภาพเพียงพอสำหรับการศึกษา อัลกอริทึมการเรียนรู้ของเครื่องสามารถสร้างแบบจำลองตามรูปแบบที่ค้นพบภายในชุดข้อมูลที่วิธีอื่นอาจพลาดไป แบบจำลองเหล่านั้นสามารถจำลองพฤติกรรมเฉพาะได้ เช่น ความแรงของลมและการเคลื่อนที่ของพายุเฮอริเคน ในการวิจัยครั้งใหม่ เอกสารการศึกษามาในรูปแบบของฐานข้อมูลพายุเฮอริเคนแอตแลนติกของ National Hurricane Center (HURDAT2) ซึ่งมีข้อมูลเกี่ยวกับพายุเฮอริเคนย้อนหลังไปกว่า 100 ปี เช่น พิกัดเส้นทางและความเร็วลม นักวิจัยแบ่งข้อมูลเกี่ยวกับพายุมากกว่า 1,500 ลูกออกเป็นชุดสำหรับการฝึกอบรมและทดสอบแบบจำลอง เมื่อถูกท้าทายด้วยการจำลองวิถีและลมของพายุในอดีตที่ไม่เคยเห็นมาก่อนไปพร้อม ๆ กัน แบบจำลองได้คะแนนสูง "มันทำงานได้ดีมาก ขึ้นอยู่กับว่าคุณมองไปทางไหนตามแนวชายฝั่ง มันค่อนข้างยากที่จะระบุพายุเฮอริเคนจำลองจากของจริง" พินตาร์กล่าว พวกเขายังใช้แบบจำลองเพื่อสร้างชุดของพายุสมมุติมูลค่า 100 ปี มันสร้างการจำลองในเวลาไม่กี่วินาที และผู้เขียนเห็นการทับซ้อนในระดับมากกับพฤติกรรมทั่วไปของพายุ HURDAT2 ซึ่งบ่งชี้ว่าแบบจำลองของพวกเขาสามารถสร้างคอลเลกชันของพายุที่เหมือนจริงได้อย่างรวดเร็ว อย่างไรก็ตามมีความคลาดเคลื่อนอยู่บ้าง เช่น ในรัฐชายฝั่งตะวันออกเฉียงเหนือ ในภูมิภาคเหล่านี้ ข้อมูล HURDAT2 มีน้อย ดังนั้นแบบจำลองจึงสร้างพายุที่เหมือนจริงน้อยกว่า Simiu กล่าวว่า "พายุเฮอริเคนไม่ได้เกิดขึ้นในบอสตันบ่อยเท่าในไมอามี ยิ่งคุณมีข้อมูลน้อยเท่าไร การคาดการณ์ของคุณก็จะยิ่งมีความไม่แน่นอนมากขึ้นเท่านั้น" ในขั้นตอนต่อไป ทีมงานวางแผนที่จะใช้พายุเฮอริเคนจำลองเพื่อพัฒนาแผนที่ชายฝั่งของความเร็วลมที่รุนแรง รวมทั้งหาค่าความไม่แน่นอนในความเร็วโดยประมาณเหล่านั้น เนื่องจากความเข้าใจของแบบจำลองเกี่ยวกับพายุในปัจจุบันยังจำกัดอยู่เพียงข้อมูลในอดีต จึงไม่สามารถจำลองผลกระทบที่การเปลี่ยนแปลงสภาพภูมิอากาศจะมีต่อพายุในอนาคตได้ วิธีการแบบดั้งเดิมในการจำลองพายุจากพื้นดินจะเหมาะกับงานนั้นมากกว่า อย่างไรก็ตาม ในระยะสั้น ผู้เขียนมั่นใจว่าแผนที่ลมตามแบบจำลองของตน ซึ่งอาศัยพารามิเตอร์ทางกายภาพที่เข้าใจยากน้อยกว่าแบบจำลองอื่นๆ จะสะท้อนความเป็นจริงได้ดีกว่า ในอีกไม่กี่ปีข้างหน้า พวกเขาตั้งเป้าที่จะผลิตและเสนอแผนที่ใหม่เพื่อรวมไว้ในมาตรฐานและรหัสอาคาร