Ученые из столичного университета Осаки создали модель для расчета движения жидкостей, которая работает в разы быстрее, но не теряет точности. Это открывает новые возможности в проектировании кораблей, генерации энергии волн и мониторинге океана в реальном времени.

Результаты опубликованы в издании Applied Ocean Research.

Точное предсказание поведения воды критически важно для морской энергетики, судостроения и строительства прибрежных сооружений. Обычно для таких расчетов используют частицы, которые имитируют потоки жидкости, но это требует огромных вычислительных мощностей. Новый подход на основе машинного обучения ускоряет процесс без потери качества.

Однако у ИИ есть ограничения.

ИИ отлично справляется с конкретными задачами, но часто дает сбои при изменении условий, — объясняет Такефуми Хигаки, ведущий автор исследования.

Чтобы решить эту проблему, команда использовала графовые нейронные сети. Ученые проверили, какие параметры обучения важны для точности, а затем протестировали модель на разных скоростях и типах течения.

Результаты впечатляют:

• Точность осталась на уровне традиционных методов.
• Время расчетов сократилось с 45 минут до 3.

Этот метод ускорит разработку морских технологий и позволит анализировать поведение воды в реальном времени.

Подобные исследования — не просто академическая новинка. Они могут:

• Снизить затраты на проектирование — быстрые расчеты сократят сроки разработки кораблей и волновых электростанций.
• Повысить эффективность — мониторинг океана в реальном времени поможет точнее использовать энергию приливов.
• Сделать прогнозирование доступнее — упрощенные, но точные модели можно внедрять даже на маломощных системах.

Главный плюс — баланс между скоростью и точностью. Это значит, что технология не останется в лаборатории, а быстро перейдет в промышленность.