En su primer año de operación, el Tanque de Remolque Inteligente (ITT) realizó alrededor de 100,000 experimentos en total, esencialmente completando el equivalente a los cinco años de experimentos de un estudiante de doctorado en cuestión de semanas.

La instalación experimental automatizada, desarrollada en el Laboratorio de Hidrodinámica Sea Grant del MIT, realiza, analiza y diseña de forma automática y adaptativa experimentos que exploran las vibraciones inducidas por vórtices (VIV). Importante para la ingeniería de estructuras oceánicas en alta mar, como los tubos ascendentes de perforación marina que conectan los pozos de petróleo submarinos a la superficie, los VIV siguen siendo un fenómeno para los investigadores debido a la gran cantidad de parámetros involucrados.

Guiado por el aprendizaje activo, el ITT realiza una serie de experimentos en los que los parámetros de cada próximo experimento son seleccionados por una computadora. Utilizando una metodología de "explorar y explotar", el sistema reduce drásticamente la cantidad de experimentos necesarios para explorar y mapear las fuerzas complejas que gobiernan los VIV.

Lo que comenzó como la búsqueda de la entonces candidata a doctorado Dixia Fan para reducir la realización de más o menos mil experimentos laboriosos, a mano, condujo al diseño del sistema innovador y un Recientemente publicado en la revista. Robótica Ciencia.

Fan, ahora postdoctorado, y un equipo de investigadores del Programa MIT Sea Grant College y el Departamento de Ingeniería Mecánica del MIT, École Normale Supérieure de Rennes, y la Universidad Brown, revelan un posible cambio de paradigma en la investigación experimental, donde los humanos, las computadoras y Los robots pueden colaborar más eficazmente para acelerar el descubrimiento científico.

La ballena de 33 pies de un tanque cobra vida, trabajando sin interrupción o supervisión en la empresa en cuestión, en este caso, explorando un problema canónico en el campo de las interacciones de estructura fluida. Pero los investigadores imaginan aplicaciones del enfoque de aprendizaje activo y automatización para la investigación experimental en todas las disciplinas, lo que podría conducir a nuevos conocimientos y modelos en sistemas no lineales de múltiples entradas / múltiples salidas.

Los VIV son movimientos intrínsecamente no lineales inducidos en una estructura en una corriente transversal irregular que se aproxima, lo que resulta complicado de estudiar. Los investigadores informan que el número de experimentos completados por el ITT ya es comparable al número total de experimentos realizados hasta la fecha en todo el mundo sobre el tema de los VIV.

La razón de esto es la gran cantidad de parámetros independientes, desde la velocidad del flujo hasta la presión, involucrados en el estudio de las fuerzas complejas en juego. Según Fan, un enfoque sistemático de fuerza bruta - realizar ciegamente 10 mediciones por parámetro en un espacio paramétrico de ocho dimensiones - requeriría 100 millones de experimentos.

Con el ITT, Fan y sus colaboradores han llevado el problema a un espacio paramétrico más amplio que el previamente explorable. "Si realizáramos técnicas tradicionales sobre el problema que estudiamos", explica, "tomaría 950 años terminar el experimento". Claramente inviable, por lo que Fan y el equipo integraron un algoritmo de aprendizaje de regresión de proceso gaussiano en el ITT. Al hacerlo, los investigadores redujeron la carga experimental en varios órdenes de magnitud, requiriendo solo unos pocos miles de experimentos.

El sistema robótico conduce automáticamente una secuencia inicial de experimentos, remolcando periódicamente una estructura sumergida a lo largo del tanque a una velocidad constante. Luego, el ITT toma control parcial sobre los parámetros de cada próximo experimento al minimizar las funciones de adquisición adecuadas de incertidumbres cuantificadas y adaptarse para lograr una gama de objetivos, como la reducción de la resistencia.

A principios de este año, Fan recibió un premio MIT Mechanical Engineering de Florez por "Ingenio sobresaliente y juicio creativo" en el desarrollo de ITT. “El diseño de Dixia del tanque de remolque inteligente es un ejemplo sobresaliente del uso de métodos novedosos para revitalizar campos maduros”, dice Michael Triantafyllou, profesor Henry L. y Grace Doherty en Ciencias e Ingeniería Oceánica, quien actuó como asesor doctoral de Fan.

Triantafyllou, coautor de este artículo y director del Programa Sea Grant College del MIT, dice: “MIT Sea Grant ha comprometido recursos y financiado proyectos utilizando métodos de aprendizaje profundo en problemas relacionados con los océanos durante varios años que ya están dando sus frutos . " Financiado por la Administración Nacional Oceánica y Atmosférica y administrado por el Programa Nacional Sea Grant, MIT Sea Grant es una asociación entre el instituto federal y el núcleo de investigación e ingeniería del MIT para abordar los desafíos relacionados con los océanos.

La investigación de Fan apunta a otros que utilizan la automatización y la inteligencia artificial en ciencia: en Caltech, un científico robot llamado "Adam" genera y prueba hipótesis; en la Agencia de Proyectos de Investigación Avanzada de Defensa, el programa Big Mechanism lee decenas de miles de trabajos de investigación para generar nuevos modelos.

Del mismo modo, el ITT aplica la colaboración humano-computadora-robot para acelerar los esfuerzos experimentales. El sistema demuestra un posible cambio de paradigma en la realización de investigaciones, donde la automatización y la cuantificación de la incertidumbre pueden acelerar considerablemente el descubrimiento científico. Los investigadores afirman que la metodología de aprendizaje automático descrita en este documento se puede adaptar y aplicar dentro y más allá de la mecánica de fluidos, a otros campos experimentales.

Otros contribuyentes al artículo incluyen a George Karniadakis de la Universidad de Brown, quien también está afiliado con MIT Sea Grant; Gurvan Jodin de ENS Rennes; Doctorando en Ingeniería Mecánica por el MIT Yu Ma; y Thomas Consi, Luca Bonfiglio y Lily Keyes del MIT Sea Grant.

Este trabajo fue apoyado por DARPA, Fariba Fahroo y Jan Vandenbrande a través de una subvención EQUiPS (Habilitación de la cuantificación de la incertidumbre en sistemas físicos), así como Shell, Subsea 7 y el Programa MIT Sea Grant College.