Новая методика оценивает силу, действующую на каждую песчинку в дюне

Миссия невыполнима: Хотя наблюдение за формой и движением барханной дюны (серповидной) позволяет определить направление ветра и среднюю интенсивность, расчет результирующей силы на каждой песчинке считался невозможным. Автор: Wikimedia Commons

Бразильские исследователи разработали методику, которая оценивает силу, действующую на каждую песчинку в дюне, на основе изображений. Этот метод, основанный на численном моделировании и искусственном интеллекте (ИИ), преобразует изучение динамики гранулярных систем и открывает путь для исследования ранее неизмеряемых физических процессов. Применения варьируются от гражданского строительства до космических исследований.

Результаты опубликованы в журнале Geophysical Research Letters.

Исследование сосредоточено на «барханных дюнах» — серповидных структурах, концы которых ориентированы по направлению ветра или потока воды.

«Эти дюны появляются в совершенно разных средах: внутри труб, на дне рек и морей, в земных пустынях и даже на поверхности других планет, таких как Марс. Эта форма полумесяца является аттрактором. Таким образом, всё, что нужно, — это разумное количество зерен на неразмываемой почве и жидкость, текущая в одном направлении, чтобы сформировался бархан», — объясняет Эрик Франклин, профессор инженерного факультета Университета Кампинаса и координатор исследования.

Масштабы сильно различаются. В лабораторной водной среде они могут быть всего 10 сантиметров и завершать перемещение менее чем за минуту. В земных пустынях они достигают около 100 метров и движутся в течение года. На Марсе они могут достигать одного километра и перемещаться примерно за тысячу лет.

«Несмотря на эту разницу в масштабах, лежащая в основе динамика очень похожа», — отмечает Франклин.

Именно это позволяет предсказать эволюцию поверхности Марса по небольшой лабораторной дюне.

Простое наблюдение за формой и движением дюны позволяет определить направление и среднюю интенсивность ветров. Однако знание результирующей силы на каждой песчинке всегда считалось невозможной задачей. Легко понять почему.

«Лабораторная подводная дюна может содержать 100 000 зерен, каждое диаметром 0,2 миллиметра. Чтобы измерить силу, действующую на каждое зерно, вам потребуется разместить крошечный акселерометр на каждом из них, чего просто не существует. В земных пустынных дюнах количество зерен возрастает до 10¹⁵ [1 квадриллион], а в марсианских дюнах — до 10¹⁷ [100 квадриллионов]», — поясняет исследователь.

Даже с высокоскоростными камерами и передовыми методами измерения движения сила, действующая на каждое зерно, всегда была за пределами экспериментальных возможностей. Решением стало сочетание лабораторных экспериментов с подводными дюнами, которые формируются и движутся за считанные минуты, с численным моделированием, которое позволяет рассчитывать динамику (силы и движения) каждого зерна в каждый момент времени.

Эти симуляции имеют высокое пространственное и временное разрешение и точно воспроизводят наблюдаемые дюны. Они также предоставляют карты сил, которые невозможно получить напрямую в большом масштабе.

Исследование сопоставило реальные изображения поверхностей дюн с картами сил, созданными симуляциями, предоставив данные о каждом зерне в виде изображения и измерения силы.

«На основе этого мы обучили сверточную нейронную сеть оценивать результирующие силы, действующие на зерна реальной дюны», — сообщает Ренато Миотто, научный сотрудник FEM-UNICAMP и приглашенный исследователь в Сиракузском университете в США.

Сверточная нейронная сеть (CNN) — это модель искусственного интеллекта, предназначенная для обработки пространственно структурированных данных, таких как изображения. CNN используют сверточные слои, которые применяют фильтры к малым областям входа для обнаружения локальных паттернов (например, краев, текстур и форм) и генерации карт признаков. С множеством слоев CNN может комбинировать простые паттерны в сложные структуры, позволяя распознавать объекты, классифицировать изображения или извлекать информацию автоматически и эффективно.

«В исследовании сеть смогла вывести распределение сил из простых изображений дюн и даже обобщить свои прогнозы для форм, которые она никогда раньше не видела», — указывает Миотто.

Уильям Вульф, профессор FEM-UNICAMP и соавтор исследования, подчеркивает, что подготовка данных для процесса требовала особой тщательности.

«Мы использовали трехмерное моделирование высокой точности, которое позволило нам получить высокое разрешение пространственных и временных масштабов, дав нам уровень детализации, очень близкий к реальности. Таким образом, детали динамики и морфологии дюн были изучены CNN, и это важные параметры для того, чтобы сеть могла обобщать данные для экспериментальных изображений».

Применения

Миотто добавляет, что методология не ограничивается песком: «Любая гранулярная система, которую можно увидеть на изображении — будь то лед, соль или синтетические частицы — может быть проанализирована, если существует симуляция, способная точно воспроизвести поведение материала».

По словам исследователей, методику можно адаптировать для изучения других систем, образованных движущимися частицами, и решения конкретных проблем, таких как заиление рек, эрозия пляжей, перемещение песка в портах и промышленные стоки.

«Эти процессы имеют огромные экономические издержки и затрагивают целые сообщества. Инструменты, подобные этому, могут помочь прогнозировать и смягчать ущерб. В случае с Марсом можно определить по широко доступным изображениям интенсивность ветров в прошлом и эволюцию дюн в будущем», — подчеркивает Франклин.

Вульф отмечает совместный характер исследования: «Мы работаем вместе годами, объединяя наш опыт в физике потоков, механике жидкости и вычислительном анализе. Это пример того, как непрерывная поддержка фундаментальных исследований может генерировать достижения с последствиями в множестве областей».

ИИ: В 2025 году подобные междисциплинарные исследования, объединяющие физику, вычислительные методы и ИИ, становятся ключом к решению ранее недоступных научных задач, открывая новые горизонты как для фундаментальной науки, так и для практических приложений на Земле и за ее пределами.