Международная команда ученых Южно-Уральского государственного университета рассмотрела искусственный интеллект как способ моделирования потоков жидкости. Подобные исследования помогают решать задачи, связанные с обтеканием тел и протеканием жидкостей в областях со сложной геометрией. Результаты успешного исследования, которые будут полезны в разных сферах, включая фармацевтику, биотехнику, пищевую индустрию, нефтегазовую отрасль, опубликованы в высокорейтинговом научном журнале “Scientific Reports”(Q1).
Искусственный интеллект решает задачи гидродинамики
Искусственный интеллект – направление научной деятельности, которое может имитировать реальные процессы, применяемые в промышленности, и представлять их математическое описание.
Один из самых сложных процессов гидродинамики — моделирование многофазных потоков жидкости. Он необходим для определения характеристик жидкости, например, скорости ее распределения в разные временные интервалы. Сложная геометрия моделирования, необходимость в численной стабильности, большом объеме памяти вычислительных машин, а также высокая стоимость обеспечения расчетного времени приводят к тому, что механистические подходы к моделированию ограничены. Поэтому ученые развивают направление искусственного интеллекта (ИИ), основанное на вычислительной методологии для понимания сложных систем.
ИИ используется для предсказания химических и физических процессов, но он не распространен широко. Например, до сих пор не было примеров успешного использования математической корреляции на основе ИИ для определения структуры потока внутри полости. Команда ученых из Ирана, Вьетнама и Ирландии, членом которой стал старший научный сотрудник Лаборатории компьютерного моделирования лекарственных средств ЮУрГУ Саид Ширазиан, впервые получила продуктивный результат в разработке высокопроизводительной трехмерной гибридной модели путем объединения различных инструментов моделирования. Метод решеточных уравнений Больцамана был использован как механистическая модель для моделирования процесса. Такая взаимосвязь может представлять локальные значения потока жидкости при сдвиговом потоке.
.jpeg)
На фото: старший научный сотрудник Лаборатории компьютерного моделирования лекарственных средств ЮУрГУ Саид Ширазиан
«Результаты были получены в виде пакета моделирования, применимого для интенсификации и оптимизации процессов. Результаты моделей были протестированы для прогнозирования характеристик потока жидкости в полости и демонстрируют процессы в искусственных полостях в разные временные отрезки», — рассказал Саид Ширазиан.
Польза для инженеров и фармацевтов
Ученые рассмотрели тип искусственного интеллекта, названный методом адаптивной нейро-нечеткой системы вывода (ANFIS). Было обнаружено, что он показал более высокий результат предсказания, чем алгоритм нечеткой системы вывода (GAFIS), еще один метод искусственного интеллекта. Метод ANFIS лучше предсказывает скорость потока во всех локальных вычислительных точках. Однако время обучения и прогнозирования для метода ANFIS намного больше, чем для метода GAFIS.
.jpg)
Сравнение точности методов ANFIS и GAFIS для лучших процессов обучения
Этот вывод позволит ученым и инженерам использовать более эффективные системы для моделирования потока жидкости. Более того, результаты вычислительной работы будут полезны в разных сферах, включая фармацевтику, биотехнику, пищевую индустрию, нефтегазовую отрасль. Они смогут использоваться в модельно-ориентированном проектировании.
Ученые планируют расширять применение разработанного вычислительного инструмента в областях химии и биологии. Однако химические реакции существенно усложняют задачу проектирования, особенно в биоинженерии. Для учета скорости реакции потребуется модель с более высокой точностью и большими размерами.
Южно-Уральский государственный университет – это университет цифровых трансформаций, где ведутся инновационные исследования по большинству приоритетных направлений развития науки и техники. В соответствии со стратегий научно-технологического развития РФ университет сфокусирован на развитии крупных научных междисциплинарных проектов в области цифровой индустрии, материаловедения и экологии. В рамках данных направлений исследуются объекты металлургии, машиностроения, энергетики, ЖКХ, безопасного пространства городской инфраструктуры и комфорта человека.
ЮУрГУ – участник Проекта 5-100, призванного повысить конкурентоспособность российских университетов среди ведущих мировых научно-образовательных центров.