Home 01net Focus DeepCurrent: come cambia la scienza delle previsioni

DeepCurrent: come cambia la scienza delle previsioni

Negli ultimi quattro anni alcuni scienziati di IBM Research – Ireland hanno condotto un lavoro di ricerca e sviluppo in ambito di modellistica fisica di fluidi e di fusione di modelli con dati sperimentali provenenti da sensori, sia in ambito teorico che applicativo.

Il risultato è DeepCurrent, una piattaforma di modellistica e dati per il monitoraggio e la previsione di condizioni marine e oceanografiche di aree costiere.

In DeepCurrent sono coinvolti modelli fisici di idrodinamica e trasporto, modelli biochimici per la qualità dell’acqua, funzioni di streaming per il trasferimento in real time di dati da sensori, satelliti e modelli di previsione atmosferici e idrologici, e un’interfaccia grafica che permette visualizzazioni in 2D e 3D.

I dati in streaming vengono integrati con i modelli fisici in tempo reale mediante tecniche di teoria del controllo che si chiamano Data Assimilation (l’idea è quella di modelli come sistemi dinamici le cui traiettorie vengono perturbate in modo stabile dalle informazioni generate dai dati).

Così si sviluppa la Blue economy

La BLUE economy, cioè il settore dell’economia globale che si focalizza su oceani e zone marine, è considerata una delle maggiori aree di sviluppo per i prossimi decenni.

Si pensi all’importanza dei settori di desalinizzazione, di petrolio e gas, delle energie alternative, delle acquaculture e della pesca sostenibile. Ambiti quanto mai attuali, per i quali sono sempre più richiesti sistemi che permettano di prevedere, ammortizzare e gestire i rischi di impatto originati dalle condizioni marine.

Le capacità di modellistica tridimensionale in tempo reale di IBM DeepCurrent  permettono di fare accurate previsioni di innondazioni, dispersioni di inquinanti e dell’impatto di delle mutabili condizioni costiere in ambienti marini, e quindi di aiutare gli operatori della BLUE economy a prendere decisioni in un ambiente estremamente complesso.

Esempi concreti di applicazione

Un esempio lampante è stata la chiusura temporanea di una centrale nucleare nel Connecticut nel 2012, dove le condizioni di temperatura dell’acqua erano diventate proibitive per il raffreddamento del reattore.

Un altro riguarda il fenomeno delle maree rosse nel Golfo Persico, che ha impatti sugli impianti di purificazione e desalinizzazione. Un altro ancora sono gli incidenti di oil spill, come quello accaduto nella 2010 alla piattaforma petrolifera DeepWater Horizon nel Golfo del Messico.

In casi come questo, avere sistemi modellistici in grado di guidare le operazioni di contenimento e bonifica attraverso l’integrazione in tempo reale con i dati forniti da navi, droni e satelliti sta diventando una priorità sempre più urgente.

La matematica alla base di DeepCurrent

IBM DeepCurrent si basa su concetti matematici multidisciplinari.

Per esempio, l’idea di Data Assimilation, la fusione di dati e modelli complessi, usa PDE, ossia equazioni differenziali alle derivate parziali, analisi funzionale e analisi numerica, combinati con calcolo stocastico e delle variazioni.

Inoltre, la piattaforma fa uso di approcci statistici che tentano di stimare le probability density function di variabili fisiche.

Il tutto viene combinato con strutture computazionali proprie dei supercomputer.

Emanuele Ragnoli di Ibm Research
Emanuele Ragnoli di Ibm Research

L’autore

Emanuele Ragnoli è un Research Staff Member e Technical Leader nel centro di ricerca di IBM a Dublino, Irlanda. Ha un dottorato di ricerca dall’Hamilton Instute in Irlanda in Teoria dei Sistemi e una laurea in Matematica pura dall’Università degli Studi di Milano.

Da quando ha finito il dottorato, 9 anni fa,  si è occupato di modellistica fisica, statistica e di applicationi di matematica pura dove c’è bisogno di avere modelli a larga scala per simulazioni in tempo reale.

Al momento Ragnoli si occupa di problematiche legate alla geofisica e alla bioinformatica.

Prima di entrare in IBM ha lavorato con Intel Ireland, per l’implementazione di modelli al plasma per semiconduttori, e ha fatto consulenze in Analytics e Big Data con una serie di multinazionali nel campo medico, farmaceutico e aereonautico.

Ragnolo è anche membro di facoltà aggiunto alla National University of Galway, Ireland e visiting lecturer in Machine Learning e Data Mining a NUIM Maynooth.

1 COMMENTO

LASCIA UN COMMENTO

Inserisci il tuo commento
Inserisci il tuo nome

Se questo articolo ti è piaciuto e vuoi rimanere sempre informato sulle novità tecnologiche
css.php