HyperAI
Back to Headlines

علماء من مIT يطورون الغواصات ذاتية الحركة بال الذكاء الاصطناعي مستوحاة من أشكال الحيوانات البحرية

منذ 2 أيام

ملخص بحث عن تصميم الغواصات المستقلة بواسطة الذكاء الاصطناعي مقدمة منذ فترة طويلة، يتعجب العلماء البحريون من كيفية سباحة الحيوانات البحرية كالأسماك والفرس النهر بكفاءة عالية رغم اختلاف أشكالها. أجسام هذه الحيوانات مُحسّنة لتقليل استهلاك الطاقة أثناء التنقل لمسافات طويلة في الماء. على الرغم من ذلك، فإن أشكال الغواصات المستقلة التي يُستخدمها البشر غالبًا ما تكون مشابهة للأسطوانات أو الصواريخ، وذلك بسبب كفاءتها الهيدروديناميكية. ومع ذلك، يتطلب اختبار تصاميم جديدة الكثير من التجارب الحقيقية والمكلفة. البحث الجديد علماء من مختبر العلوم الحاسوبية وذكاء الآلة في معهد ماساتشوستس للتكنولوجيا (CSAIL) وجامعة ويسكونسن-مديسون اقترحوا استخدام الذكاء الاصطناعي لتسهيل استكشاف تصاميم غواصات جديدة وغير تقليدية. نُشر هذا البحث على موقع arXiv. منهج البحث استخدم الفريق تعلم الآلة لاختبار تصاميم ثلاثية الأبعاد مختلفة في محاكاة فيزيائية، ثم قام بتشكيلها لتصبح أكثر كفاءة هيدروديناميكية. بدأوا بجمع نماذج ثلاثية الأبعاد لأكثر من عشرين شكلًا تقليديًا للغواصات البحرية، مثل الغواصات والحيتان والشعاع المنشاري والقرش. ثم وضعوا هذه النماذج في "قفص تشوه" يحدد نقاط مختلفة يمكن للباحثين تحريكها لإنشاء أشكال جديدة. بناء القاعدة البيانات قام الباحثون ببناء قاعدة بيانات من الأشكال التقليدية والمشوهة قبل محاكاة أدائها عند زوايا مختلفة من الهجوم—"زاوية الهجوم" تشير إلى الاتجاه الذي سيميل به السفينة أثناء انزلاقها في الماء. على سبيل المثال، قد يرغب السباح في الانغمار بمقدار -30° لاستعادة شيء من حوض السباحة. استخدام الشبكة العصبية استخدمت الشبكة العصبية الخاصة بالفريق هذه الأشكال وزوايا الهجوم كمدخلات لمحاكاة كيف ستتفاعل الغواصة مع الفيزياء تحت الماء، بهدف تحقيق أفضل نسبة رفع إلى مقاومة—"رفع إلى مقاومة" تعني مدى قدرة الغواصة على الحفاظ على قدرتها على الطفو مقابل قوة المقاومة التي تعمل ضد حركتها. كلما ارتفعت هذه النسبة، كلما كان النزلاق أكثر كفاءة، والعكس صحيح. التجارب الأولى لضمان دقة توقعات نظام الذكاء الاصطناعي، قام الباحثون بتجربة تصميم ذي جناحين في حجم أصغر في نفق الرياح التابع لمعهد ماساتشوستس، حيث تُحاكى تيارات الرياح باستخدام مراوح. عند اختبار الغواصة في زوايا مختلفة، كانت النسبة المتوقعة للرفع إلى المقاومة تفوق القياسات الفعلية بنسبة 5% فقط في المتوسط، مما يشير إلى دقة التوقعات. التجارب تحت الماء لتقييم الغواصات في البيئة الحقيقية، طبّع الفريق تصميمين أداءهما أفضل عند زوايا محددة: جهاز ذو شكل طائر عند 9° وجهاز ذو أربعة أجنحة عند 30°. تم تصنيع هذه الأشكال كHELLIP; قواقع خفيفة الوزن بها ثقوب صغيرة تسمح للماء بالدخول عند الغمر الكامل، مما يجعل السيارة أسهل في التعامل خارج الماء ويقلل من المواد اللازمة لتصنيعها. وضع الباحثون جهازًا أنبوبيًا داخل هذه القواقع، يحتوي على مجموعة من الأجهزة، بما في ذلك مضخة لتغيير طفو الغواصة، ومُحول كتل (جهاز يتحكم في زاوية الهجوم)، ومركبات إلكترونية. النتائج أثبت كلا التصميمين كفاءة أعلى من الغواصة التقليدية الشكل مثل الصاروخ. كانت نسبة الرفع إلى المقاومة أعلى، مما يعني أن الجهازين يستهلكان طاقة أقل للتنقل في الماء، مشابهين بذلك لطرق التنقل اللامتناهية للحيوانات البحرية. مستقبل المشروع رغم أن المشروع يعد خطوة مشجعة في تصميم الغواصات، يسعى الباحثون إلى تقليص الفجوة بين النتائج المحاكاة والأداء الفعلي في البيئة الحقيقية. كما يهدفون إلى تطوير غواصات تستجيب للتغيرات المفاجئة في التيارات، مما يجعلها أكثر مرونة في البحار والمحيطات. يضيف ييتشن تشان، أحد الباحثين الرئيسيين، أن الفريق يخطط لاستكشاف أشكال جديدة، خاصة الأشكال الأرق، وتحسين إطار العمل لجعله أسرع وأكثر قابلية للتخصيص والمناورة. تقييم الخبراء يُعتبر هذا البحث تقدمًا مهمًا في مجال الروبوتات البحرية، حيث أنه يفتح الباب أمام تصاميم جديدة وكفاءة أعلى في جمع البيانات من البيئات المائية الشاسعة. يمكن لهذه التكنولوجيا أن تسهم بشكل كبير في فهم تأثير التغير المناخي ومراقبة الأنظمة البيئية البحرية. نبذة عن CSAIL مختبر العلوم الحاسوبية وذكاء الآلة في معهد ماساتشوستس للتكنولوجيا (CSAIL) هو أحد أكبر وأشهر المختبرات في العالم المتخصصة في البحث العلمي حول الذكاء الاصطناعي وعلوم الحاسب. يتميز بأبحاثه المبتكرة وتطبيقاته المتقدمة في مجالات مختلفة، بما في ذلك الروبوتات والتعلم العميق والذكاء الاصطناعي.

Related Links