Sel, dünya genelinde 1.5 milyar insan için büyük bir tehdit oluşturarak, önemli doğal afetlerin en yaygın nedeni olmaktadır. Her yıl **$25 milyar** civarında ekonomik zarara yol açan sel olayları, afet hazırlığı ve risk azaltımı için önemli bir tehdit kaynaklanmaktadır. Mühendisler, örneğin BRLi adlı danışmanlık firmasındaki uzmanlar, farklı yağış senaryolarını inceleyerek, su basması riskleri, azaltma stratejileri ve yerel paydaşlara yönelik felaket kurtarma planları hakkında değerli değerlendirmeler sunmaktadır. Doğru tahminler, hayatları kurtarabilir, altyapıyı koruyabilir ve ekonomik kayıpları azaltabilir.
Ancak, bu yöntemler fizik temelli sayısal simülasyonlar kullanarak çalıştığı için oldukça yüksek bir hesaplama gücü gerektirir. Bir sel olayını simüle etmek, pek çok paralel işlemci ile bile saatler alabilmektedir. Bu durum, olay sırasında hızlı ve etkili sel uyarıları sağlamayı zorlaştırarak, gerçek zamanlı tahmin sistemlerinin geliştirilmesini engelleyen bir başlıca engel oluşturmuştur.
Yapay Zeka Destekli Sel Tahmin Sistemi
Bu sorunu çözmek amacıyla BRLi ve Toulouse Politeknik Enstitüsü ortak bir ekip oluşturdu. ANITI araştırma enstitüsünde gerçekleştirilen işbirliği sayesinde, tamamen fizik temelli çözücü yerine geçen bir uçtan uca AI yaklaşımı tasarlandı. Bu ekip, hem hidrolik modelleme hem de fizik için yapay zeka yöntemleri üzerindeki uzmanları bir araya getirerek disiplinlerarası bir çalışma gerçekleştirdi.
BRLi’nin hidrografi uzmanları, belirli bir havza için detaylı fizik modelleri sağlayarak sel verilerine dayanan bir veri tabanı oluşturdu. Daha sonra, Toulouse INP ekibi bu verileri kullanarak **NVIDIA Modulus**’u kullanarak bir uçtan uca AI sistemi eğitti. **Earth-2** platformu, hava durumu ve iklim uygulamaları için AI destekli tahmin ve görselleştirme süreçleri geliştirmek amacıyla dijital bir ikiz bulut platformudur. Ekip, Modulus tarafından sağlanan yerleşik derin öğrenme modellerinin yanı sıra, optimize edilmiş eğitim süreçlerini ve paralel eğitim yeteneklerini kullandı.
Gerçek Zamanlı Tahmin İçin Çığır Açan Gelişim
Elde edilen çözüm, bir sel olayını birkaç saniye içinde **bir tek GPU** üzerinde simüle edebiliyor. Bu, gerçek zamanlı tahmin imkânı sağlıyor ve **hesaplama süresini** büyük ölçüde azaltarak sel tahmininde devrim niteliğinde bir yaklaşım sunuyor.
Projenin odak noktası, Fransa’nın güneyinde bulunan Têt Nehri havzasıdır. Detaylı mühendislik çalışmaları, köprüler, setler ve su tutma havzaları gibi önemli topoğrafik ve mühendislik özelliklerini kapsayan detaylı yapısal ağlar oluşturulmuştur. Farklı su giriş profilleri ile yapılan sayısal simülasyonlar, sel olayları veritabanını oluşturdu.
Eğitimde **INP** ekibi, Earth-2 platformunun bir parçası olarak NVIDIA Modulus’u kullandı. Modulus, iklim ve hava durumu alanında AI destekli çözümler sunma araçlarını içermektedir. Ekip, özel verileri ile hızlı ve zahmetsiz bir eğitim sağlamak için Modulus’un yerleşik model mimarilerinden birini tercih etti. Hava durumu ve iklim tahmini üzerine sunulan olanakları keşfetmek için **FourCastNet** ve **CorrDiff** gibi mikro hizmetlere göz atabilirsiniz.
Gelişmiş Meshe Sahip Modelleme
INP ekibi, etkileyici bir performans sergileyen bir grafik sinir ağı (GNN) mimarisini tercih ederek Têt Nehri havzasına uyarladı. Bu yaklaşım, modelin karmaşık mekansal ilişkileri ve sel tahmini için kritik öneme sahip zamansal dinamikleri yakalamasını sağladı. AI modeli, detaylı sayısal simülasyonlardan elde edilen verileri taklit ederek, sel olaylarına yol açan karmaşık hidrojik süreçleri emüle etmek üzere eğitilirken, bu süreçte **14 NVIDIA A100 Tensor Core** GPU kullanıldı.
Eğitim sırasında model optimizasyonu, doğru tahminler sağlamak için ortalama kare hata (MSE) kayıp fonksiyonu tarafından yönlendirildi. Test sırasında ise değerlendirme ölçütleri olarak L1 hatası ve kritik başarı indeksi (CSI) kullanıldı. Bu metrikler, tahmin edilen ve gözlemlenen sel hücrelerinin kesişimini ve birleşimlerini karşılaştırarak modelin su basmış alanları doğru tespit etme yeteneğini ölçmektedir.
Sonuçlar ve Gelecek Planları
Sonuç olarak, geliştirilmiş model, **6 saatlik bir tahmini** **19 ms** içinde gerçekleştirebilmekte. Oysaki fizik temelli sayısal modelle yapılan benzer bir simülasyon, **12 saat** CPU zamanına ve en az **25 dakika** çözüm süresine ihtiyaç duymaktadır. Bu yöntem, mühendislik ekibi tarafından geliştirilmiş karmaşık gerçek mesh’i işlemekte ve bu, genellikle **basitleştirilmiş yapılandırma ve meshlerle** gerçekleştirilen yapay zeka denemelerine göre büyük bir ilerleme teşkil etmektedir.
Bu başarı, NVIDIA Modulus’un mühendislik meshleri üzerine ileri düzey AI mimarilerini kurulum ve eğitim için nasıl kullanılabileceğini göstermektedir. Bu örnek, simülasyon verileri sağlandığı takdirde çok sayıda sektörde tekrar edilebilir.
Ekibin gelecekteki hedefleri arasında, eğitim verisini ve değerlendirme metriklerini iyileştirerek modelin kalitesini fizik temelli yaklaşımlarla eşitlemek bulunmaktadır. Daha sonra, modelin BRLi mühendislik araçlarıyla bütünleştirilmesi planlanmaktadır. İlk adım olarak, havza çalışmalarında belirsizlik nicelleştirmesi elde etmek amacıyla büyük binlerce simülasyon gerçekleştirmekte kullanılacaktır. Ardından, faaliyet gösteren afete müdahale hizmetleri ile işbirliği yaparak gerçek zamanlı tahmin sistemine beslenecek veri kaynaklarını bulmak önem kazanmaktadır.
Earth-2, açık bir platformdur ve NVIDIA Modulus, büyüyen fizik yapay zeka topluluğunu destekleyen açık kaynaklı bir projedir. NVIDIA Modulus’un fizik AI araştırma projelerine nasıl yardımcı olabileceğini öğrenmek için NVIDIA/modulus GitHub reposunu keşfedebilirsiniz.
