MIT團隊開發機器學習新演算法 簡單高效優化設備抗災能力

船隻和海上平台要承受多年連續不斷的波浪和洋流沖刷，在數十年的運作後，這些海上設施如果在沒有任何預警的情況下，迎面遭遇流氓巨浪、反常風暴或其他極端事件，很可能出現極端後果。

針對這一隱患，麻省理工學院(MIT)研究人員開發了一種機器學習演算法，用來快速確定複雜系統中可能發生的極端事件的類型。海洋就是一種複雜系統，在海洋環境中，不同大小、不同長度和不同高度的波浪會對船舶或海上平台造成壓力。研究人員可以用演算法模擬大浪等極端事件可能在特定結構上產生的力和應力。

與傳統方法相比，該團隊的技術不僅考慮了現象的統計性質，還考慮了某些動態的潛在可能，為那些可能在某個時刻出現極端事件的系統提供了更快、更準確的風險評估。

MIT機械與海洋工程副教授薩普希(Themistoklis Sapsis)表示:「通過我們的方法，你可以從最初設計階段就開始評估一個結構，在面對能夠撞擊到這個結構的整體波浪群——而非某個大浪——時會如何表現。你可以設計更好的結構，這樣就不用擔心有超過限度的結構問題或壓力。」

薩普希表示，這項技術不僅適用於船舶和海洋平台，還適用於任何易受極端事件影響的複雜系統。例如，該方法可用於確定可能在城市中造成嚴重洪水的風暴類型，以及洪水可能發生的地點。它還可以用來估計可能導致停電的電力過載事件類型，以及城市電網發生停電的地點。

薩普希和他帶過的研究生、現紐約大學Courant數學科學研究所的助理研究員穆罕默德(Mustafa Mohamad)本周將在《美國國家科學院院刊》上發表他們的研究結果。

捷徑不通

工程師們一般是通過密集的模擬來衡量結構對極端事件的耐久性，例如，對來自特定方向、具有一定高度、長度和速度的波浪進行建模。這些模擬非常複雜，因為它們不僅要模擬某種波浪，還要模擬它與結構之間連續不斷的相互影響。通過模擬整個「波場」，當一個特定的波浪撲來時，工程師就可以估計結構如何被其震動和推動，以及由此產生的力和應力可能造成的破壞。

這些風險評估模型可以達到非常高的精度，在理想情況下甚至可以預測結構對每種可能波動類型的反應，無論極端與否。但是，這樣的精度要建立在工程師們模擬了數百萬次波浪，獲得足夠的高度、長度和尺度等參數的前提下，這個過程可能需要花上好幾個月的時間。

「這是一個極其昂貴的問題，」薩普希說，「要模擬一種可能發生在100秒以上的波浪，需要一個非常快的現代圖形處理器單元，花費大約24小時計算。而我們感興趣的是了解100年後極端事件發生的概率。」

因此，在通常情況下，工程師們在使用模擬器模擬一些場景時，只會選擇性地模擬一些他們認為可能造成最大破壞的隨機波浪類型。如果一種結構設計能夠在這些極端的、隨機產生的波浪中倖存下來，工程師們就會認為這種設計能夠抵抗海洋中類似的極端事件。

但薩普希稱，在選擇隨機波浪進行模擬時，工程師們可能會忽略其他不太明顯的情況，比如中等大小波浪的組合，或者一個具有一定斜率的波浪可能發展成破壞性的極端事件。薩普希說:「我們已經想到方法，可以拋棄這種隨機抽樣邏輯了。」

更快的學習者

薩普希和穆罕默德開發的機器學習演算法，首先是教會機器如何快速識別出這種模擬的「最重要的」或「信息最豐富的」波浪，而不是通過計算密集的模擬來運行數百萬波或甚至幾個隨機選擇的波。

該演算法基於這樣一種想法，即每個波浪都有一定的概率對結構上的極端後果起到推動作用。概率本身具有一定的不確定性或誤差，因為它代表了複雜動力系統的影響。此外，有些肯定波浪比其他波浪會更容易導致極端事件。

隨著演算法的成型，研究人員只要輸入各種類型的波浪及其物理特性，以及其理論上對近海平台的影響，就能得到相應結果。從研究人員插入演算法的已知波浪中，它基本上可以「學習」並粗略估計平台對任何未知波浪的反應。通過這個步驟，演算法學習了離岸設備在所有可能的波浪中的變化。然後它就能自己識別一種特定的波浪，並最大程度減少極端事件發生的概率誤差。這種演算法考慮到了系統的動態行為，超越了純粹的統計方法。

研究人員在一個理論場景中測試了這一演算法，該場景包括一個簡化的、會受到到波浪影響的海洋平台。研究小組首先在機器學習演算法中加入了4種典型波浪，及其對海上平台已知的影響。在此基礎上，該演算法快速識別出具有高發生概率的新波浪維數，最大限度降低極端事件發生的概率誤差。

隨後，團隊將這類波浪加入更密集、開源的模擬情況中，以模擬簡化離岸平台的反映。他們將第一次模擬的結果反饋給演算法，使其確定下一個最有可能的模擬波浪，並重複整個過程。該小組總共在幾天內進行了16次模擬，以模擬一個平台在各種極端事件下的行為。相比之下，研究人員使用傳統方法進行模擬時，只能盲目地模擬儘可能多的波，並且要等幾個月、運行數千個場景後才能得出類似的統計結果。

薩普希表示，結果充分證明，新方法能迅速鎖定極端事件最可能發生的原因和機制，為設計師們提供了更真實現實場景模擬。除了海上平台，這還能用在電網上和容易發生洪澇的地區。

他認為：「這種方法為基於極端事件統計的複雜系統風險評估、設計和優化鋪平了道路，而這是在沒有嚴格簡化的情況下從未考慮過或做過的事情。我們現在可以說，利用這種方法，你可以根據極端事件的風險標準來理解和優化你的系統。」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！