ملخص
لقد اجتذب الذكاء الاصطناعي اهتمامًا كبيرًا من المهندسين المدنيين على مدار العقد الماضي، وخاصة الشبكات العصبية الاصطناعية (ANN) التي يمكن أن توفر بنية رياضية مرنة قادرة على تحديد العلاقات غير الخطية المعقدة بين مجموعات بيانات الإدخال والإخراج. ومع ذلك، تقليديًا، تم تدريب الشبكات العصبية الاصطناعية باستخدام مجموعات بيانات المدخلات والمخرجات مع وظائف الخسارة البسيطة، والتي لا تتضمن أي معرفة بالنظام المادي في عملية التعلم، بينما تتطلب كميات هائلة من البيانات، والتي يكون إنتاجها مكلفًا أو غير متاح.
وبدلاً من ذلك، استمرت النمذجة المفاهيمية والحسابية في التطور السريع في العقود الماضية لأنها تعتمد على معادلات فيزيائية تأسيسية أساسية وقادرة على تقديم تحليل وتنبؤ دقيق، إلا أنها تعاني من مشاكل مرتبطة بالأداء الحسابي، مما قد يعيق استخدامها.
سيدمج هذا المشروع الفيزياء الأساسية في عملية التدريب على عمليات التعلم العميق، وإشراك النمذجة الحسابية والشبكة العصبية العميقة، والتي تم اختبارها من خلال تجارب/نمذجة حقيقية لإنشاء جيل جديد من أساليب التعلم العميق المستنيرة بالفيزياء، والتي يمكن أن توفر تقديرات دقيقة وسريعة لاستجابة الأنظمة الجيوتقنية والبيئية الجغرافية.
ستفيد نتائج هذا العمل بشكل كبير الهندسة الجيوتقنية والبيئية في سيناريوهات تغير المناخ، على سبيل المثال في التنبؤ بتأثير الفيضانات/الجفاف غير الخطي للغاية على مرونة النظام الجيولوجي.