[ad_1]

مهندس مکانیک مایکل گلنر و فارغ التحصیل او Sriram Barat Hariharan از دانشگاه کالیفرنیا ، برکلی ، اخیراً به مرکز تحقیقات جان اچ گلن ناسا در کلیولند ، اوهایو سفر کرده اند. در آنجا آنها اشیا burning در حال سوختن را در یک شافت عمیق ریختند و نحوه تشکیل گرداب های آتشین را در جاذبه خرد بررسی کردند. مرکز گلن میزبان مرکز تحقیقات جاذبه صفر است که شامل یک برج آزمایشی است که تجربه در فضا را شبیه سازی می کند.

گلنر گفت: “شما پنج ثانیه قدرت جاذبه می گیرید.” محققان برای تولید گردبادی از آتش یک فتیله پارافین کوچک روشن کردند و آن را آزاد کردند و شعله را تا انتها مطالعه کردند.

آزمایشاتی مانند آنچه در هفتاد و سومین نشست سالانه بخش پویایی سیالات انجمن فیزیکی آمریکا ارائه شده است ، می تواند به آتش نشانان کمک کند تا به دو نوع س answerال پاسخ دهند. اول ، آنها روش هایی را می سوزانند که آتش در صورت نداشتن جاذبه می سوزد – و حتی می توانند فضانوردان را از اقدامات محافظتی مطلع کنند. گلنر گفت: “اگر چیزی در حال سوختن باشد ، می تواند وضعیت بسیار خطرناکی در فضا باشد.” دوم ، این می تواند به محققان کمک کند تا نقش جاذبه زمین را در رشد و گسترش آتش های مخرب بهتر درک کنند.

گلنر گفت که آتش بدون جاذبه به طور متفاوتی سوخت. شعله کوتاه تر و گسترده تر بود. گلنر گفت: “ما واقعاً شاهد کاهش سرعت احتراق هستیم.” “ما همان گردابهای نمایشی که با گرانش معمولی داریم را ندیدیم.”

محققان دیگر ، از جمله تیمی از آزمایشگاه ملی لوس آلاموس در نیومکزیکو ، تحولات جدیدی را در مدل محاسباتی دینامیک سیالات ارائه دادند که ممکن است شامل سوخت هایی با رطوبت متفاوت باشد. الكساندر جوزفسون مهندس شیمی ، محقق دكترایی در حال مطالعه پیش بینی های آتش سوزی در جنگل ها در لوس آلاموس ، گفت: بسیاری از مدل های زیست محیطی موجود رطوبت تمام سوخت های موجود در یك منطقه را به طور متوسط ​​انجام می دهند ، اما این روش نتواند تفاوت های موجود در طبیعت را به دست آورد. وی گفت ، در نتیجه ، این مدل ها می توانند پیش بینی های نادرستی در رفتار آتش سوزی جنگل ها ارائه دهند.

جوزفسون گفت: “اگر از میان جنگل ها عبور کنید ، در اینجا چوب و چمن می بینید و تغییرات زیادی وجود دارد.” چمن خشک ، خزه خیس و افتادگی اندام محتوای آب یکسانی ندارند و به روش های مختلف می سوزند. آتش سوزی می تواند رطوبت حاصل از خزه های مرطوب را تبخیر کند ، به عنوان مثال ، همزمان اندام های خشک تری را نیز جذب می کند. “ما می خواستیم بررسی کنیم که چگونه تعامل بین این سوخت ها هنگام عبور آتش اتفاق می افتد.”

دانشمندان در لوس آلاموس با همکاری محققان دانشگاه آلبرتا در کانادا و سازمان جنگل های کانادا برای بهبود مدل خود موسوم به FIRETEC (ساخته شده توسط رود لین) تلاش کرده اند. تحولات جدید آنها تغییرات موجود در رطوبت و سایر مشخصات سوخت های شبیه سازی شده را تطبیق می دهد. جینی مارشال ، محقق خدمات جنگل های کانادا ، اخیراً مقایسه شبیه سازی های خود را با داده های واقعی جنگل های هسته ای شمال کانادا آغاز کرد.

در طی یک جلسه پاسخ به جریان ، متیو بونانی ، دانشجوی آزمایشگاه مهندس ماتیاس ایم از دانشگاه استنفورد در کالیفرنیا ، مدل جدیدی را برای گسترش آتش سوزی جنگل ها بر اساس یک سیستم یادگیری ماشین توصیف کرد. آهمه می گوید ، پیش بینی پیش بینی كجا و چه زمان آتش سوزی فرآیند پیچیده ای است كه تحت تأثیر یك ترکیب پیچیده از تأثیرات محیطی انجام می شود.

هدف گروه Ihme ساخت ابزاری است که دقیق و سریع باشد ، برای ارزیابی ریسک ، سیستم های هشدار سریع و طراحی استراتژی های تخفیف استفاده شود. آنها مدل خود را بر روی یک پلت فرم محاسباتی اختصاصی به نام TensorFlow ساخته اند که توسط محققان Google برای راه اندازی برنامه های یادگیری ماشین طراحی شده است. آهمه گفت ، همانطور که این مدل داده های فیزیکی بیشتری را آموزش می دهد ، شبیه سازی های آن در مورد تجمع گرما و پویایی انتشار آتش در حال بهبود و سریعتر است.

نام گفت از دیدن اینکه چه ابزارهای پیشرفته محاسباتی منجر به پیش بینی آتش سوزی در جنگل می شود بسیار هیجان زده است. وی گفت: “پیش از این ، این یک زمینه کاملاً تجربی بر اساس مشاهدات فیزیکی بود و جامعه ما روی موضوعات اساسی تری کار می کند.” وی گفت ، اما افزودن یادگیری ماشین به جعبه ابزار ، نشان می دهد که چگونه الگوریتم ها می توانند دقت آزمایش ها را بهبود ببخشند. وی گفت: “این سفر واقعا هیجان انگیز است.”

[ad_2]

منبع: khabar-erfan.ir