Aprovecha el poder de la IA para modelar con precisión cómo viajan las ondas sonoras bajo el agua
Un nuevo sistema que aprovecha el poder de la Inteligencia Artificial para modelar con precisión cómo viajan las ondas sonoras bajo el agua podría ayudar a reducir el impacto de la contaminación acústica en la vida marina.
Investigadores de la Universidad de Glasgow en el Reino Unido y la Universidad de Columbia Británica en Canadá están detrás del desarrollo de esta tecnología. En el futuro, su sistema podría empoderar a industrias como el transporte marítimo y las energías renovables para que tomen decisiones mejor informadas sobre el efecto de sus actividades en el mundo submarino.
Se ha demostrado que los fuertes sonidos creados por las tecnologías humanas, incluidas las hélices de los buques de carga y la construcción y operación de parques eólicos marinos, tienen efectos negativos en una amplia gama de vida marina. El ruido puede alterar los patrones de migración de mamíferos marinos como delfines y ballenas y afectar su capacidad para navegar mediante ecolocalización.
Una posible respuesta para reducir el impacto del ruido submarino es desarrollar una comprensión más completa de las formas en que las ondas sonoras de las actividades humanas se mueven y se propagan por el océano.
Eso podría ayudar a los formuladores de políticas a desarrollar nuevas regulaciones para el transporte marítimo y la construcción de turbinas marinas para mitigar su impacto en la vida marina circundante.
Las ondas sonoras se reflejan en la superficie del océano, el fondo marino y todo lo que hay entre medio en patrones complejos y en constante cambio. A medida que las ondas sonoras se mueven a través del agua, también disminuyen en intensidad, un proceso conocido como pérdida de transmisión.
Actualmente, modelar con precisión la física de los movimientos, las interacciones y las pérdidas de transmisión de las ondas sonoras bajo el agua es muy difícil sin utilizar grandes cantidades de potencia de procesamiento informático. Los proyectos a gran escala pueden llevar días de tiempo de computación para modelar completamente la propagación de ondas sonoras a través del agua.
Los científicos se propusieron investigar si las redes neuronales profundas podrían ayudar a abordar el desafío computacional y acercar los sistemas futuros a proporcionar retroalimentación en tiempo real sobre la propagación de ondas sonoras que podrían usarse en el mundo real.
Imagen: Dispersión acústica de un monte submarino representativo mostrada por la presión acústica normalizada de una fuente con frecuencia primaria de 38 Hz, después de (izquierda) 0,36 segundos y (derecha) 0,72 segundos. Crédito: Universidad de Glasgow
En un nuevo artículo, los investigadores describen cómo construyeron y probaron su sistema de modelado de ondas acústicas utilizando una arquitectura de red neuronal conocida como red de codificador automático recurrente convolucional o CRAN.
La CRAN funciona comprimiendo datos de modelado muy complejos o de "alta dimensión" en una forma más simplificada de "baja dimensión". Luego, un modelo de IA de última generación conocido como red de memoria a largo plazo analiza el modelo simplificado basándose en lo aprendido previamente sobre física submarina, produciendo predicciones de cómo se propagan las ondas sonoras submarinas a lo largo del tiempo.
Dado que el sistema funciona a partir de un modelo simplificado y lo expande mediante aprendizaje automático, puede proporcionar resultados mucho más rápidamente que los procesos de modelado convencionales.
Para entrenar su sistema, crearon 30 diferentes simulaciones bidimensionales de entornos submarinos, cada una con diferentes superficies del fondo marino y frecuencias de sonido, para ayudar a aprender la física de las ondas sonoras submarinas.
Una vez entrenada la CRAN, le pidieron que predijera cómo se comportarían las ondas sonoras en 15 nuevos escenarios submarinos que la CRAN nunca antes había visto.
Realizó la tarea con notable precisión, prediciendo correctamente cómo interactúan entre sí las ondas y se dispersan por superficies rígidas. El modelo CRAN fue capaz de predecir con precisión la propagación de ondas con menos del 10% de error durante una duración más de cinco veces mayor que la duración de los datos con los que fue entrenado.
"Estos son resultados realmente alentadores, que muestran claramente el potencial que tienen las redes neuronales profundas para predecir la compleja física de la propagación acústica del océano submarino", dijo el Dr. Wrik Mallik, de la Escuela de Ingeniería James Watt de la Universidad de Glasgow y autor correspondiente del artículo.
"Esperar segundos en lugar de días para producir modelos de dispersión acústica submarina sería un avance significativo para este campo de investigación, y este artículo muestra cómo hemos dado un paso más para lograrlo. Disponer de información en tiempo real sobre los dispositivos que podrían utilizarse en el océano permitiría una planificación mucho más eficaz para ayudar a mitigar los efectos de la contaminación acústica en los animales marinos".
"Aunque este estudio en etapa inicial demostró la efectividad de CRAN en datos bidimensionales, estamos seguros de que la tecnología se puede ampliar para enfrentar el desafío de lidiar con simulaciones acústicas completamente en 3D. Ya hemos comenzado a trabajar para desarrollar y perfeccionar aún más el sistema, y planeamos probarlo en situaciones del mundo real en los próximos meses".
La investigación se publica en la revista Physics of Fluids: Deep neural network for learning wave scattering and interference of underwater acoustics
