如果在生物恐怖襲擊中釋放出有毒氣體，那么通過湍急的風，溫度變化和不穩(wěn)定的藍紫色來預測其分子路徑的能力可能意味著生命或死亡。了解城市在20年內(nèi)將如何增長和變化可能會導致更可持續(xù)的規(guī)劃和負擔得起的住房。

推導出解決這些問題的方程式-將所有相關力加在一起-充其量是很難做到幾乎不可能的，而在最壞的情況下實際上是不可能的。但是機器學習可以提供幫助。

圣路易斯華盛頓大學麥克凱爾維工程學院的研究人員利用氣溶膠顆粒在整個通量系統(tǒng)中的運動，設計了一種基于深度學習方法的新模型，該模型可以幫助研究人員預測混沌系統(tǒng)的行為，無論這些系統(tǒng)是在實驗室，牧場還是其他地方。

能源，環(huán)境和化學工程學助理教授 Rajan Chakrabarty說：“這就是氣溶膠的美。” “這不僅僅是一門學科，它只是漂浮在空中的基本粒子，而您只是觀察到混亂。”

該研究發(fā)表在《氣溶膠科學雜志》上，作為封面文章 。

Chakrabarty和他的團隊-博士后研究員Pai Liu和當時的伊利諾伊理工學院博士研究生Gan Jingwei-測試了兩種深度學習方法，并確定了生成對抗網(wǎng)絡產(chǎn)生了最準確的結(jié)果。這種AI首先被提供有關現(xiàn)實世界過程的信息，然后根據(jù)該數(shù)據(jù)創(chuàng)建該過程的模擬。

在博弈論的激勵下，一個生成對抗網(wǎng)絡既接收了地面真實數(shù)據(jù)(真實數(shù)據(jù))，又接收了隨機生成的數(shù)據(jù)(虛假數(shù)據(jù))，并試圖確定哪些是真實數(shù)據(jù)，哪些是虛假數(shù)據(jù)。

此過程重復多次，提供反饋，并且整個系統(tǒng)在生成對其進行訓練的數(shù)據(jù)匹配方面變得越來越好。

描述氣溶膠顆粒通過湍流系統(tǒng)的混沌運動在計算上是昂貴的，因此Chakrabarty和他的團隊需要真實的數(shù)據(jù)(一個真實的例子)來訓練其系統(tǒng)。這是噴霧劑進入的地方。

該團隊在Chakrabarty實驗室中使用了浮力相對的火焰來創(chuàng)建可以訓練AI的示例。Chakrabarty說：“在這種情況下，我們通過引入浮力和溫差來實驗性地給系統(tǒng)增加了混亂。” 然后，他們打開了高速相機，并記錄了煙塵顆粒蜿蜒穿過，拉近并射過火焰的3D軌跡數(shù)據(jù)集。

他們利用來自火室的數(shù)據(jù)訓練了兩種人工智能模型：變分自動編碼器方法和生成對抗網(wǎng)絡(GAN)。然后，每個模型都會產(chǎn)生自己的仿真。只有GAN的軌跡反映了實驗中發(fā)現(xiàn)的統(tǒng)計特征，從而產(chǎn)生了逼真的模擬混沌氣溶膠顆粒。

Chakrabarty的深度學習模型不僅可以模擬煙灰或化學物質(zhì)一旦釋放到大氣中后將在何處散布。他說：“您會看到許多此類混亂的例子，從覓食動物到大氣污染物和生物威脅的運輸，再到搜救策略。”

實際上，實驗室現(xiàn)在正在與一名精神科醫(yī)生合作，研究治療抽動綜合征兒童的療效。Chakrabarty解釋說：“抽動癥是混亂的，因此典型的臨床試驗設置可能無法有效地確定藥物的療效。

這種新的深度學習模型的廣泛應用不僅說明了人工智能的力量，而且還可以說出有關現(xiàn)實的更多信息。

他說：“混亂或秩序取決于情人的眼神。” “這告訴您，有某些法律支配著我們周圍的一切。但是它們是隱藏的。

“您只需要發(fā)現(xiàn)它們即可。”