在運行的第一年，智能拖曳坦克(ITT)進(jìn)行了大約100,000個(gè)實(shí)驗，基本上在幾周內完成了相當于一名博士生五年實(shí)驗的費用。
由麻省理工學(xué)院海格蘭特流體力學(xué)實(shí)驗室開(kāi)發(fā)的自動(dòng)化實(shí)驗設備，可以自動(dòng)，自適應地執行，分析和設計探索渦旋振動(dòng)(VIV)的實(shí)驗。對于涉及海洋工程的海洋結構，例如將水下油井連接到地表的海洋鉆探立管，重要的是，由于涉及大量參數，VIV仍然是研究人員的一種現象。
在積極學(xué)習的指導下，ITT進(jìn)行了一系列實(shí)驗，其中每個(gè)下一個(gè)實(shí)驗的參數都由計算機選擇。該系統使用“探索和利用”方法，大大減少了探索和繪制控制VIV的復雜力所需的實(shí)驗數量。
什么開(kāi)始作為當時(shí)的博士生睇下凡的追求上進(jìn)行千元左右費力的實(shí)驗削減-手-導致了創(chuàng )新的系統設計和論文近日發(fā)表在雜志科學(xué)機器人。
范(Fan)現在是博士后，由麻省理工學(xué)院海格蘭特學(xué)院計劃和麻省理工學(xué)院機械工程系，法國高等師范大學(xué)雷恩分校以及布朗大學(xué)的研究人員組成的團隊揭示了實(shí)驗研究的潛在范式轉變，其中人，計算機和機器人可以更有效地協(xié)作以加速科學(xué)發(fā)現。
一只33英尺長(cháng)的鯨魚(yú)還活著(zhù)，可以在不間斷的情況下進(jìn)行操作，也無(wú)需對即將到來(lái)的企業(yè)進(jìn)行監督-在這種情況下，它探索了流體與結構相互作用領(lǐng)域的典型問(wèn)題。但是研究人員設想主動(dòng)學(xué)習和自動(dòng)化方法在跨學(xué)科的實(shí)驗研究中的應用，有可能在多輸入/多輸出非線(xiàn)性系統中帶來(lái)新的見(jiàn)識和模型。
VIV是在即將到來(lái)的不規則橫流??中在結構上引起的固有非線(xiàn)性運動(dòng)，這使研究變得煩惱。研究人員報告說(shuō)，ITT完成的實(shí)驗數量已經(jīng)可以與迄今為止在全球范圍內針對VIV進(jìn)行的實(shí)驗總數進(jìn)行比較。
原因是研究運動(dòng)中的復雜力涉及大量從流速到壓力的獨立參數。范認為，一種系統的蠻力方法(在8維參數空間中盲目地對每個(gè)參數進(jìn)行10次測量)將需要進(jìn)行1億次實(shí)驗。
通過(guò)ITT，范和他的合作者將這個(gè)問(wèn)題帶入了一個(gè)比以前更難以探索的參數空間。他解釋說(shuō)：“如果我們對研究的問(wèn)題執行傳統技術(shù)，則將需要950年的時(shí)間才能完成實(shí)驗。”顯然不可行，因此Fan和團隊將高斯過(guò)程回歸學(xué)習算法集成到了ITT中。通過(guò)這樣做，研究人員將實(shí)驗負擔減少了幾個(gè)數量級，僅需要幾千次實(shí)驗。
機器人系統自動(dòng)執行初始實(shí)驗序列，以恒定的速度定期沿著(zhù)水箱的長(cháng)度拖曳淹沒(méi)的結構。然后，ITT通過(guò)最小化量化不確定性的合適采集函數并適應實(shí)現一系列目標(例如減少阻力)來(lái)對每個(gè)下一個(gè)實(shí)驗的參數進(jìn)行部分控制。
今年早些時(shí)候，范在ITT的開(kāi)發(fā)過(guò)程中因“杰出的創(chuàng )造力和創(chuàng )造力判斷”而被授予麻省理工學(xué)院機械工程獎。“ Dixia的智能拖船設計是使用新穎方法重振成熟領(lǐng)域的杰出典范，”擔任范博士的海洋學(xué)顧問(wèn)的Michael Triantafyllou，Henry L.和Grace Doherty教授說(shuō)道。
Triantafyllou是該論文的合著(zhù)者，也是MIT Sea Grant College Program的負責人。他說(shuō)：“MIT Sea Grant多年來(lái)致力于利用海洋??深層問(wèn)題的深度學(xué)習方法，為資源和項目提供資金，并且已經(jīng)取得了豐碩的成果。麻省理工學(xué)院海洋基金會(huì )由美國國家海洋與大氣管理局資助，并由國家海洋補助金計劃管理。麻省理工學(xué)院海洋補助金是聯(lián)邦與研究所的合作伙伴關(guān)系，使麻省理工學(xué)院的研究和工程核心能夠應對與海洋有關(guān)的挑戰。
范的研究指出了其他在科學(xué)中利用自動(dòng)化和人工智能的方法。在加州理工學(xué)院，一位名叫“亞當”的機器人科學(xué)家生成并檢驗了假設。在國防高級研究計劃局的“大機制”計劃中，讀取了成千上萬(wàn)的研究論文，以生成新的模型。
同樣，ITT運用人機機器人協(xié)作來(lái)加速實(shí)驗工作。該系統展示了進(jìn)行研究的潛在范式轉變，其中自動(dòng)化和不確定性量化可以極大地加速科學(xué)發(fā)現。研究人員斷言，本文描述的機器學(xué)習方法可以在流體力學(xué)中以及在流體力學(xué)之外進(jìn)行調整，并應用于其他實(shí)驗領(lǐng)域。
論文的其他撰稿人包括布朗大學(xué)的喬治·卡尼亞達基斯(George Karniadakis)，他也是麻省理工學(xué)院海洋基金會(huì )的會(huì )員。來(lái)自ENS雷恩(Rennes)的Gurvan Jodin;麻省理工學(xué)院機械工程博士研究生 麻省理工學(xué)院海洋基金會(huì )的托馬斯·康西(Thomas Consi)，盧卡·邦菲格里奧(Luca Bonfiglio)和莉莉·凱斯(Lily Keyes)。
這項工作得到了DARPA，Fariba Fahroo和Jan Vandenbrande的支持，通過(guò)EQUiPS(實(shí)現物理系統不確定性的量化)贈款，以及Shell，Subsea 7和MIT Sea Grant College Program。