Tại Thụy Sĩ ở Trường Kỹ thuật của EPFL, các nhà nghiên cứu ở Phòng thí nghiệm Tương thích điện từ do Farhad Rachidi dẫn dắt; đã phát triển một hệ thống dựa vào những ứng dụng của trí tuệ nhân tạo có thể dự đoán khi nào sét sẽ xảy ra trong khoảng thời gian từ 10 đến 30 phút gần nhất. Mà chỉ dựa vào dữ liệu thời tiết bình thường, có bán kính trong 30 km. Tuy hệ thống sử dụng kết hợp dữ liệu khí tượng tiêu chuẩn và trí tuệ nhân tạo nhưng lại rất đơn giản và không tốn kém.
Áp dụng công nghệ vào dự án phòng chống sét
Báo cáo nghiên cứu đã được xuất bản trên Tạp chí Khoa học khí hậu và khí quyển; các nhà nghiên cứu hiện đang lên kế hoạch sử dụng công nghệ của họ trong dự án phòng chống sét của châu Âu. Mang tên European Laser Lightning Rod project.
Tiến sĩ Amirhossein Mostajabi giải thích: “Các hệ thống hiện tại rất chậm và rất phức tạp. Chúng đòi hỏi dữ liệu bên ngoài đắt tiền thu được từ radar hoặc vệ tinh. Phương pháp của chúng tôi sử dụng dữ liệu có thể thu được từ bất kỳ trạm thời tiết nào. Điều đó có nghĩa là chúng tôi có thể bao phủ các vùng xa xôi nằm ngoài phạm vi radar; và vệ tinh và nơi không có mạng truyền thông”.
Áp dụng thuật toán học máy để tìm ra điều kiện sét hình thành
Phương pháp của các nhà nghiên cứu EPFL sử dụng thuật toán học máy đã được đào tạo. Để nhận ra các điều kiện dẫn đến sét. Để thực hiện khóa đào tạo, các nhà nghiên cứu đã sử dụng dữ liệu được thu thập trong khoảng thời gian mười năm. Từ 12 trạm thời tiết Thụy Sĩ, nằm ở cả khu vực thành thị và miền núi.
Bốn thông số đã được tính đến: áp suất khí quyển, nhiệt độ không khí, độ ẩm tương đối và tốc độ gió. Những thông số này tương quan với các bản ghi từ hệ thống phát hiện và vị trí dể dự báo sét. Sử dụng phương pháp đó, thuật toán có thể tìm hiểu các điều kiện theo đó sét xảy ra.
Bản chất của sét
Ngay từ năm 1749, Benjamin Franklin, chính trị gia và nhà khoa học tự nhiên nổi tiếng; đã làm sáng tỏ bản chất của sét. Các thí nghiệm của ông với các cột thu lôi và diều cho thấy rằng; các tia sét là các luồng phóng điện chạy giữa những đám mây chứa sấm sét và bề mặt Trái đất.
Vào đầu thập niên này, qua nghiên cứu của các nhà vật lý Nga. Bức tranh trở nên sáng tỏ hơn. Hóa ra, các tia vũ trụ có liên quan đến sự xuất hiện sét. Hoạt động như một loại “cò súng” để phóng điện. Như được các nhà khoa học Nhật Bản phát hiện gần đây. Các vụ nổ tia gamma đều báo trước các tia sét. Về nguyên tắc, có thể sử dụng các vụ nổ tia gamma để dự đoán chính xác thời điểm và nơi tia sét tiếp theo sẽ được sinh ra.
Sét phát sinh trong điều kiện đặc thù nên AI dễ dàng dự đoán
Amirhossein Mostajabi và các đồng nghiệp đã phát triển một hệ thống chính xác hơn. Nhưng với giá cả phải chăng và có khả năng mở rộng hơn. Để dự báo các vụ sét đánh bằng cách nghiên cứu xem các vụ sét đánh xảy ra trong các loại đám mây nào. Và trong điều kiện khí tượng nào. Những quan sát này đã đưa họ đến ý tưởng rằng sét phát sinh trong những điều kiện rất đặc thù. Có thể dự đoán và tính toán bằng hệ thống trí tuệ nhân tạo.
Được cổ vũ bởi ý tưởng này, các nhà vật lý đã chuẩn bị một bộ thuật toán học máy với ý tưởng rằng; một số hệ thống dự đoán tương đối kém chính xác có thể học hỏi từ những sai lầm trước đó. Và dần dần đi đến câu trả lời chính xác được kết hợp trong một chuỗi.
Phát triển hệ thống dự báo sét chính xác hơn
Để đào tạo chương trình này, các nhà vật lý đã chuẩn bị một bộ dữ liệu đặc biệt mà hàng chục trạm khí tượng được lắp đặt ở các khu vực khác nhau của Thụy Sĩ thu thập trong hàng chục năm. Trong thời gian này, hàng ngàn vụ sét đánh đã xảy ra ở khu vực lân cận. Điều này cho phép trí tuệ nhân tạo tìm hiểu các đặc điểm nhận dạng của sét. Và học cách dự đoán sét dựa qua những thay đổi đặc trưng về nhiệt độ, độ ẩm và áp suất không khí cũng như các dữ liệu thời tiết khác.
Phiên bản hiện tại của hệ thống máy học này, qua thử nghiệm. Đã dự đoán chính xác 76% các vụ sét đánh trong nửa giờ. Trước khi chúng thực sự xuất hiện ở khu vực gần các trạm thời tiết. Điều này, theo các nhà khoa học, có thể làm tăng đáng kể sự an toàn của máy bay. Và đảm bảo hoạt động liên tục của mạng điện cùng các cơ sở hạ tầng khác.
