Цифровые двойники помогут исследовать вечную мерзлоту
19 июня 2026 г.
Команда под руководством исследователей из Университета штата Пенсильвания разработала вычислительную структуру, которая использует измерения в режиме реального времени и искусственный интеллект для прогнозирования физических свойств вечной мерзлоты.
В ходе одного из первых исследований такого рода, опубликованного в JGR Earth Surface и представленном в Eos Magazine, команда применила свою структуру к дорожной насыпи в Уткиагвике – самом северном городе Соединённых Штатов, расположенном на Аляске.
По словам Сяо Мина, профессора в Университете штата Пенсильвания и одного из авторов исследования, во многих регионах мира происходит быстрое таяние вечной мерзлоты. Этот процесс может привести к высвобождению спящих штаммов бактерий, значительным выбросам углекислого газа и ущербу инфраструктуре.
Необходимы прогнозы деградации вечной мерзлоты, однако стандартные методы прогнозирования требуют значительных объёмов данных и вычислительных мощностей. Моделирование на основе ИИ показало себя более эффективным, однако такие модели, как правило, плохо работают при использовании данных помимо тех, на которых они обучались изначально. Необходим баланс между вычислительными затратами и качеством прогнозов.
Вычислительная структура, которую решил задействовать Сяо Мин, известна как цифровой двойник. Он обрабатывает терабайты данных для точного моделирования местности или объекта в режиме реального времени. Этот подход получил широкое распространение в таких областях, как машиностроение или биомедицинская инженерия, но его применение к мониторингу вечной мерзлоты ранее не рассматривалось.
Для исследования команда закопала оптоволоконные кабели протяжённостью в несколько километров для получения тепловых и сейсмических данных. Эти кабели проходили вдоль дорожной насыпи. С их помощью были собраны температурные и сейсмические данные с 2021 по 2024 год. Часть полученных данных была использована для построения цифрового двойника.
Эта вычислительная структура обрабатывает информацию посредством двух отдельных моделей. Одна задействует сложные уравнения, математические функции и машинное обучение на основе искусственного интеллекта. Её цель – прогнозирование теплопередачи через грунт на основе закономерностей, которым подчинены данные. Другая модель при помощи кабелей в режиме реального времени выполняет сбор данных, которые используются в расчётах первой модели. Данные постоянно обновляются, и модели максимально приближаются к реальности.
Этот подход позволил более точно прогнозировать свойства вечной мерзлоты, включая содержание незамёрзшей воды, изменения температуры грунта и теплопередачу. Обновляя модель с течением времени, исследователи сравнивали точность прогноза как с предыдущими показаниями, полученными с помощью цифрового двойника, так и с измерениями, полученными в полевых условиях. По мере того, как двойник обновлялся с использованием новых данных, прогнозы всё больше соответствовали полученным позже измерениям.
Хотя цифровой двойник моделирует конкретную дорожную насыпь, идея и процесс могут быть широко применимы к мониторингу инфраструктуры. В будущем команда планирует продолжать сбор данных и совершенствовать вычислительную структуру.
«Если мы получим данные ещё за 10 лет, это будет чрезвычайно ценно для более широкого научного сообщества. Это поможет нам разработать ещё более совершенные прогностические модели», – сказал Сяо Мин.
Источник: Университет штата Пенсильвания.
Читайте также:
- Определено количество углерода в дельтах арктических рек
- В РАН обсудили мониторинг вечной мерзлоты
- Потепление климата усилит «вывод» почвенного углерода в атмосферу