KI hilft bei Berechnung von Turbulenzen

Die Modellierung von turbulenten Strömungen gilt als eine Herausforderung in der Wissenschaft. Bis heute wird die Komplexität des Strömungsverhaltens noch nicht vollständig verstanden. Dabei muss die Auswirkung Turbulenter Strömungen in sehr vielen Bereichen berücksichtigt werden – etwa beim Bau von Flugzeugen, Autos, Herzklappen oder auch bei der Wettervorhersage.

Forscher der Eidgenössischen Technischen Hochschule Zürich (ETH) haben nun sogenannte Reinforcement Learning (RL)-Algorithmen entwickelt und diese mit physikalischen Erkenntnissen kombiniert, um Turbulenzen zu modellieren. Bereits vor 25 Jahren habe die ETH Pionierarbeit bei der Kopplung von Künstlicher Intelligenz und turbulenten Strömungen geleistet, sagt Petros Koumoutsakos, Professor am Labor für Computational Science and Engineering der ETH Zürich, in einer Mitteilung. Allerdings gab es damals noch keine Computer, die leistungsfähig genug waren, um die Ideen zu testen. Dies hat sich nun mit dem Supercomputer Piz Daint des Swiss National Supercomputing Centre (CSCS) im Kanton Tessin geändert. Somit konnten die Forscher ihre Ideen prüfen und erfolgreich weiterentwickeln.

Koumoutsakos und sein Team gehen davon aus, dass ihre Methode nicht nur beim Bau von Autos und bei der Wettervorhersage von Bedeutung sein wird. „Für die meisten anspruchsvollen Probleme in Wissenschaft und Technik können wir nur die ‚grossen Massstäbe‘ lösen und die ‚feinen‘ modellieren“, so Koumoutsakos. „Die neu entwickelte Methodik bietet einen neuen und leistungsfähigen Weg zur Automatisierung der Multiskalenmodellierung und zum Fortschritt der Wissenschaft durch eine vernünftige Nutzung der Künstlichen Intelligenz.“ ssp