கடந்தகால தரவு இல்லாமலேயே கடும் புயல்களை கணிக்கும் புதிய MIT முறை

கடந்தகால தீவிர நிகழ்வுத் தரவு இல்லாமலேயே, சாத்தியமான தீவிர நிகழ்வுகளை உருவாக்கும் இயந்திரக் கற்றல் முறையை MIT பொறியாளர்கள் உருவாக்கியுள்ளனர். காட்டுத் தீ எவ்வளவு தூரம் பரவலாம், நூற்றாண்டுக்கு ஒரு முறை ஏற்படும் புயல் எவ்வளவு மோசமாக இருக்கும் என்பது போன்றவற்றை இது கணிக்கும். MIT நிறுவனத்தில் இயந்திரப் பொறியியல் முதுநிலை மாணவர் கை சாங், மற்றும் MIT நிறுவனத்தின் மெக்கானிக்கல் - கடல்சார் பொறியியல் பேராசிரியர் தெமிஸ் சப்சிஸ் ஆகியோர் இந்த முறையை உருவாக்கினர். "எக்ஸ்ட்ரீம் ஈவென்ட் அவேர்" எனவும், "η-learning" எனவும் இந்த முறைக்குப் பெயரிட்டுள்ளனர். இது தொடர்பான ஆய்வுக் கட்டுரை ஆகஸ்ட் 20 அன்று நேச்சர் கம்யூனிகேஷன்ஸ் இதழில் வெளியானது.

தற்போதைய பெரும்பாலான ஆபத்து மதிப்பீட்டு முறைகள், கடந்தகால தீவிர நிகழ்வுகள் இடம்பெற்ற தரவை வைத்தே எதிர்கால மோசமான சூழ்நிலைகளைக் கணிக்கின்றன. "தரவுத் தொகுப்பில் இல்லாத, யாரும் இதுவரை பார்த்திராத தீவிர நிகழ்வுகளை மாதிரியாக்க முயல்கிறோம்" என்று சாங் தெரிவித்தார். ஹரிக்கேன் கத்ரீனா போன்ற புயல் 30 முதல் 40 ஆண்டுகளுக்கு ஒருமுறை ஏற்படுவதாகக் குறிப்பிட்ட சப்சிஸ், 100 ஆண்டுகளுக்கு ஒருமுறை ஏற்படும் அத்தகைய புயல் எவ்வளவு மோசமாக இருக்கும் என்பதைக் கணிக்க விரும்புவதாகக் கூறினார்.

இந்த முறையை நிரூபிக்க, அமெரிக்காவின் கண்டப் பகுதி முழுவதும் எதிர்காலத்தில் ஏற்படக்கூடிய தீவிர மழைப்பொழிவு நிகழ்வுகளின் வரைபடங்களை குழு உருவாக்கியது. மணிநேர மழை அளவீட்டுத் தரவுகளை தினசரி வரைபடங்களாக ஒருங்கிணைத்து, 25 ஆண்டுகால தரவுகளிலிருந்து மழை புள்ளிவிவரங்களைக் கணக்கிட்டனர். ஆனால் அல்காரிதத்திற்குப் பயிற்சி அளிக்க, முதல் ஆறு மாதங்களின் இட வரைபட அமைப்புகளை மட்டுமே பயன்படுத்தினர்; அந்தக் காலகட்டத்தில் தீவிர மழையின் எடுத்துக்காட்டுகள் மிகக் குறைவாகவே இருந்தன. குறைத்திறன் மழை அமைப்புகள், துல்லியமான உயர்த்திறன் வரைபடங்களுடன் எவ்வாறு தொடர்புடையவை என்பதை அல்காரிதம் கற்றுக்கொண்டது. பின்னர் உருவாக்கப்பட்ட வரைபடங்களில் மழையின் தீவிரத்தை கட்டுப்படுத்த புள்ளிவிவரங்களைப் பயன்படுத்தியது.

எடுத்துக்காட்டாக, நியூயார்க் நகரில் இதுவரை பதிவான மிக அதிக மழையளவு 200 மில்லிமீட்டர் எனில், அதைவிடக் கடுமையான 300 மில்லிமீட்டர் மழையைப் பொழியும் புயல் எப்படி இருக்கும் என்பதை இந்த முறை கணிக்க முடியும். அத்தகைய புயல் எங்கு தாக்கும், எவ்வளவு பரப்பளவைப் பாதிக்கும் என்பதையும் இது காட்டும்.

வானிலையைத் தாண்டி, ரோபோ வழிசெலுத்தல், நிதிச் சந்தை வீழ்ச்சிகள் போன்ற துறைகளுக்கும் இதே அணுகுமுறையைப் பயன்படுத்த முடியும் என்று ஆய்வாளர்கள் கூறுகின்றனர். "பல துறைகளின் சிக்கலான தொடர்பு காரணமாகவே நிதிச் சந்தை வீழ்ச்சிகள் ஏற்படுகின்றன" என்று சாங் தெரிவித்தார். "சந்தை வீழ்ச்சிக்கு வழிவகுக்கும் அந்த தொடர்பு என்ன என்பதை இந்த முறை ஆராயக்கூடும்" என்றும் அவர் மேலும் கூறினார்.