La instalación experimental automatizada, desarrollada en el laboratorio de hidrodinámica MIT Sea Grant, realiza, analiza y diseña de forma automática y adaptativa experimentos que exploran las vibraciones inducidas por vórtices (VIV). Importante para la ingeniería de estructuras en alta mar en alta mar, como los tubos ascendentes de perforación marina que conectan los pozos de petróleo submarinos a la superficie, los VIV siguen siendo un fenómeno para los investigadores debido a la gran cantidad de parámetros involucrados.
Guiado por el aprendizaje activo, el ITT realiza una serie de experimentos en los que los parámetros de cada experimento posterior son seleccionados por una computadora. Utilizando una metodología de "explorar y operar", el sistema reduce drásticamente la cantidad de experimentos necesarios para explorar y mapear las fuerzas complejas que gobiernan los VIV.
Lo que comenzó como la búsqueda del candidato doctoral Dixia Fan para reducir la realización de mil experimentos dolorosos, a mano, condujo al diseño del sistema innovador y a un artículo publicado recientemente en La revista. Ciencia robótica.
Fan, ahora becario postdoctoral, y un equipo de investigadores del Programa MIT Sea Grant College y el Departamento de Ingeniería Mecánica del MIT, École Normale Supérieure de Rennes y Brown University, revelan un cambio de paradigma potencial en la investigación experimental, donde los humanos, las computadoras y los robots pueden colaborar de manera más efectiva para acelerar los descubrimientos científicos.
La ballena de 33 pies de un tanque cobra vida, trabajando sin interrupción o supervisión en el negocio en curso, en este caso, explorando un problema canónico en el campo de las interacciones de estructura de fluido. Pero los investigadores están considerando aplicaciones del enfoque de aprendizaje activo y la automatización para la investigación experimental en todas las disciplinas, lo que podría conducir a nuevas ideas y modelos en sistemas de entrada no lineales. / salidas múltiples.
Los IVV son movimientos inherentemente no lineales inducidos en una estructura en un flujo transversal irregular que se aproxima y que son molestos para estudiar. Los investigadores informan que el número de experimentos realizados por el ITT ya es comparable al número total de experimentos realizados hasta la fecha en el mundo sobre el tema de los VIV.
La razón es la gran cantidad de parámetros independientes, desde la velocidad del flujo hasta la presión, involucrados en el estudio de las fuerzas complejas involucradas. Según Fan, un enfoque sistemático por fuerza bruta – 10 mediciones ciegas por parámetro en un espacio paramétrico de ocho dimensiones: requeriría 100 millones de experimentos.
Con el ITT, Fan y sus colaboradores llevaron el problema a un espacio paramétrico más grande de lo que anteriormente era posible explorar. "Si aplicamos técnicas tradicionales al problema que estudiamos", dice, "tomaría 950 años completar el experimento". Claramente inalcanzable, entonces Fan y el equipo incorporaron un algoritmo Aprendizaje de regresión de procesos gaussianos en el ITT. Al hacerlo, los investigadores redujeron la carga experimental en varios órdenes de magnitud, requiriendo solo unos pocos miles de experimentos.
El sistema robótico realiza automáticamente una secuencia inicial de experimentos, remolcando periódicamente una estructura sumergida a lo largo de todo el tanque a una velocidad constante. Luego, el ITT toma un control parcial sobre los parámetros de cada próximo experimento al minimizar las funciones de adquisición adecuadas de las incertidumbres cuantificadas y adaptarlas para lograr una gama de objetivos, como un arrastre reducido
A principios de este año, Fan recibió un premio MIT de Florez Mechanical Engineering por "Ingenio excepcional y juicio creativo" en el desarrollo del ITT. "El diseño de Dixia del tanque de remolque inteligente es un excelente ejemplo del uso de nuevos métodos para vigorizar los campos maduros", dice Michael Triantafyllou, Henry L. y Grace Doherty, profesora de Ciencias e Ingeniería del Océano, quienes actuaron en como asesor doctoral de Fan.
Triantafyllou, coautor de este documento y director de programas del MIT Sea Grant College, dijo: "El MIT Sea Grant ha comprometido recursos y proyectos financiados utilizando métodos de aprendizaje en profundidad en problemas relacionados con el Océano desde hace varios años y que ya están dando sus frutos. . Financiado por la Administración Nacional Oceánica y Atmosférica y administrado por el Programa Nacional Sea Grant, el MIT Sea Grant es una asociación entre el gobierno federal y el Instituto que pone el núcleo de investigación e ingeniería del MIT en el desafíos de servicio relacionados con el océano.
La investigación de Fan indica que varios otros usan la automatización y la inteligencia artificial en la ciencia: en Caltech, un robot científico llamado "Adam" genera y prueba hipótesis; En la Agencia de Proyectos de Investigación Avanzada de Defensa, el programa Big Mechanism lee decenas de miles de documentos de investigación para generar nuevos modelos.
Asimismo, ITT aplica la colaboración humano-computadora-robot para acelerar los esfuerzos experimentales. El sistema muestra un posible cambio de paradigma en la realización de investigaciones, donde la automatización y la cuantificación de la incertidumbre pueden acelerar en gran medida los descubrimientos científicos. Los investigadores dicen que la metodología de aprendizaje automático descrita en este artículo se puede adaptar y aplicar dentro y más allá de la mecánica de fluidos, a otras áreas experimentales.
Otros contribuyentes al artículo incluyen a George Karniadakis de la Universidad de Brown, quien también está afiliado a MIT Sea Grant; Gurvan Jodin de ENS Rennes; Candidato al Doctorado en Ingeniería Mecánica del MIT Yu Ma; y Thomas Consi, Luca Bonfiglio y Lily Keyes de MIT Sea Grant.
Este trabajo fue apoyado por DARPA, Fariba Fahroo y Jan Vandenbrande como parte de una subvención EQUiPS (Habilitación de la cuantificación de la incertidumbre en sistemas físicos), así como Shell, Subsea 7 y el MIT Sea Grant College Program.