Ashley Piccone, Lawrence Livermore Milli Laboratoriyası

Gaby Clark tərəfindən redaktə edilmişdir , Andrew Zinin tərəfindən nəzərdən keçirilmişdir

 Redaktorların qeydləri11 sentyabr 2001-ci ildə Nyu-Yorkda Dünya Ticarət Mərkəzinin çökməsi Beynəlxalq Kosmik Stansiyadan çəkilmiş bu fotoşəkildə göründüyü kimi zəhərli bir şleyf buraxdı. Kredit: NASA

2023-cü ildə Ohayo ştatının Şərqi Fələstində təhlükəli materialları daşıyan qatar relsdən çıxıb. 2025-ci ildə Los-Ancelesdə bir sıra dağıdıcı meşə yanğınları baş verdi. Hər iki halda, zəhərli şleyf – külək və turbulentlik səbəbindən zaman və məkanda dağılan zərərli hava materiallarından ibarət bir bulud buraxıldı.

İstehsalat qəzaları, kimyəvi dağılmalar və struktur yanğınları nəticəsində yaranan zəhərli şleyflər xüsusilə əhalinin sıx məskunlaşdığı şəhər ərazilərində dərhal və ciddi sağlamlıq və ətraf mühit riskləri yarada bilər. Mövcud kompüter modelləri şleyflərin necə səyahət etdiyini təxmin etmək üçün saatlar çəkə bilər, bu da fövqəladə hallara müdaxilə edənləri sürətli və etibarlı proqnozlar olmadan tərk edir və evakuasiya planlaşdırması və erkən xəbərdarlıq sistemlərinə mane olur.

PNAS Nexus -da nəşr olunan bir araşdırmada , Lawrence Livermore Milli Laboratoriyasından (LLNL) olan tədqiqatçılar ST-GasNet adlı yeni dərin öyrənmə modelini təsvir etdilər və bir neçə dəqiqə ərzində zəhərli şleyf davranışını proqnozlaşdıra bilirlər.

ST-GasNet, şəhər yerlərində binalar, küçələr və tikililər ətrafında mürəkkəb külək strukturlarını və şleyflərin hərəkətini ələ keçirən ənənəvi hesablama maye dinamikası simulyasiyalarından əldə edilən məlumatlarla öyrədilir.

LLNL alimi və müəllifi Giselle Fernández-Qodino deyir: “ST-GasNet əvvəlki yüksək ayırdetmə simulyasiyalarından şleyflərin şəhər ərazilərində necə davrandığını öyrənir”. “O, şleyfin buraxılmasının ilk bir neçə dəqiqəsinə baxır və növbəti bir neçə dəqiqə ərzində şleyfin necə yayılacağını proqnozlaşdırmaq üçün bu müşahidələrdən istifadə edir.”

Təhlükəli materialın necə hərəkət etdiyini təxmin etmək üçün model şleyfin sürət və təcil modellərini öyrənir. O, həmçinin şleyf hərəkətindəki fasilələri idarə edə bilər, məsələn, şleyf binaya dəyib ikiyə bölündüyü zaman. ST-GasNet hətta küləyin istiqaməti və ya sürəti bildirilmədən də yaxşı işləyir : o, bu şərtləri birbaşa şleyfin erkən davranışından öyrənə bilər.

Təlimdən sonra model real vaxtda fövqəladə hallara cavab vermək üçün mümkün olan daha sürətli hesablama sürətləri təklif edir.

LLNL-də təcrübə keçən müəllif Yinan Wang, “Ümid edirik ki, bu, fövqəladə hallara müdaxilə edənləri dəstəkləyəcək və evakuasiya planlamasına kömək edəcək” dedi. “O, erkən xəbərdarlıq sistemlərinin komponenti kimi xidmət edə bilər, qərar qəbul edənlərə hərəkət etmək üçün daha çox vaxt verir və potensial olaraq real vaxt yeniləmələri üçün mobil zondlama və monitorinq sistemləri ilə inteqrasiya edə bilər.”

Gələcəyə baxaraq, komanda qeyri-müəyyənliyi açıq şəkildə kəmiyyətləndirə biləcək bir çərçivə hazırlamağı hədəfləyir, yalnız bir şəhərdə şleyfdən təsirlənən ərazini deyil, həm də hər bir yerdə təsir ehtimalını qiymətləndirir. Onlar həmçinin proqnozları və məlumatları sistematik şəkildə uyğunlaşdırmaq üçün atmosfer sensor şəbəkələrini və kalibrləmə üsullarını optimallaşdırmağın yollarını araşdırırlar.

Daha çox məlumat: Yinan Wang et al, Dərin öyrənmə istifadə edərək zəhərli şəhər şleyflərinin məkan-zaman proqnozları, PNAS Nexus (2025). DOI: 10.1093/pnasnexus/pgaf198

Jurnal məlumatı: PNAS Nexus 

Lawrence Livermore Milli Laboratoriyası tərəfindən təmin edilmişdir