p Se um gás venenoso fosse liberado em um ataque de bioterrorismo, a capacidade de prever o caminho de suas moléculas - por meio de ventos turbulentos, mudanças de temperatura e flutuações instáveis ​​- podem significar vida ou morte. Entender como uma cidade crescerá e mudará em um período de 20 anos pode levar a um planejamento mais sustentável e a moradias populares. p Derivar equações para resolver tais problemas - somando todas as forças relevantes - é, no melhor, difícil ao ponto da quase impossibilidade e, na pior das hipóteses, realmente impossível. Mas o aprendizado de máquina pode ajudar.

p Usando o movimento de partículas de aerossol através de um sistema em fluxo, pesquisadores da McKelvey School of Engineering da Washington University em St. Louis desenvolveram um novo modelo, baseado em um método de aprendizado profundo, que pode ajudar os pesquisadores a prever o comportamento de sistemas caóticos, se esses sistemas estão no laboratório, no pasto ou em qualquer outro lugar.

p "Essa é a beleza dos aerossóis, "disse Rajan Chakrabarty, professor assistente de energia, engenharia ambiental e química. "Está além de uma disciplina, são apenas partículas fundamentais flutuando no ar e você apenas observa o caos. "

p A pesquisa foi publicada como artigo de capa no Journal of Aerosol Science .

p Chakrabarty e sua equipe - pesquisador de pós-doutorado Pai Liu e Jingwei Gan, em seguida, um Ph.D. candidato no Instituto de Tecnologia de Illinois - testou dois métodos de aprendizado profundo e determinou que a rede adversária geradora produzia os resultados mais precisos. Este tipo de IA é alimentado primeiro com informações sobre um processo do mundo real, então, com base nesses dados, ele cria uma simulação desse processo.

p Motivado pela teoria dos jogos, uma rede adversária generativa recebe tanto a verdade fundamental (real) quanto os dados gerados aleatoriamente (falsos) e tenta determinar quais são reais e quais são falsos.

p Este processo se repete muitas vezes, Fornecendo feedback, e o sistema como um todo fica continuamente melhor na geração de correspondência de dados nos quais foi treinado.

p É computacionalmente caro descrever o movimento caótico de uma partícula de aerossol através de um sistema turbulento, então Chakrabarty e sua equipe precisavam de dados reais - um exemplo real - para treinar seu sistema. É aqui que os aerossóis entram.

p A equipe usou a chama oposta à flutuabilidade no laboratório de Chakrabarty para criar exemplos nos quais a IA poderia ser treinada. "Nesse caso, adicionamos experimentalmente o caos a um sistema, introduzindo flutuabilidade e diferenças de temperatura, "Chakrabarty disse. Então, eles ligaram uma câmera de alta velocidade e gravaram conjuntos de dados de trajetória 3-D para partículas de fuligem enquanto elas serpenteavam, deu a volta e disparou contra a chama.

p Eles treinaram dois tipos de modelos de inteligência artificial com os dados da câmara de incêndio:o método autoencoder variacional e uma rede adversarial gerativa (GAN). Cada modelo então produziu sua própria simulação. Apenas as trajetórias do GAN refletiram as características estatísticas encontradas nos experimentos, produzindo simulações realistas de partículas caóticas de aerossol.

p O modelo de aprendizado profundo de Chakrabarty pode fazer mais do que simular onde a fuligem, ou produtos químicos, acabará assim que for lançado na atmosfera. "Você vê muitos exemplos desse tipo de caos, de animais forrageiros, para o transporte de poluentes atmosféricos e bioameaças, para estratégias de busca e resgate, " ele disse.

p Na verdade, o laboratório agora está trabalhando com um psiquiatra para avaliar a eficácia do tratamento em crianças com síndrome de tique. "Os tiques são caóticos, "Chakrabarty explicou, portanto, a configuração de um ensaio clínico típico pode não ser eficaz para determinar a eficácia de um medicamento.

p A ampla aplicação deste novo modelo de aprendizagem profunda fala não apenas do poder da inteligência artificial, mas também pode dizer algo mais saliente sobre a realidade.

p "Caos, ou ordem, depende do olhar de quem vê, "ele disse." O que isso diz a você é que existem certas leis que governam tudo ao nosso redor. Mas eles estão escondidos.

p "Você apenas tem que descobri-los."