Komplexe Dynamik aus Daten vorhersagen

Im Wasserbecken-​Experiment leitet der Algorithmus aus dem beobachteten Schwappen des Wassers (von grünem Licht beleuchtet) ein nichtlineares mathematisches Modell her. (Bild: Kerstin Avila / Universität Bremen)

For­schen­de der ETH Zü­rich ha­ben ei­nen neu­en Al­go­rith­mus ent­wi­ckelt, der es ih­nen er­laubt, die Dy­na­mik phy­si­ka­li­scher Sys­te­me aus Be­ob­ach­tun­gen zu mo­del­lie­ren. In Zu­kunft könn­te er auf das Ent­ste­hen von Tur­bu­lenz und Kipp­punk­te im Kli­ma an­ge­wandt wer­den.

Phy­si­ka­li­sche Sys­te­me zu mo­del­lie­ren, die sich dy­na­misch ent­wi­ckeln, ist ein zen­tra­ler Be­stand­teil von Wis­sen­schaft und Tech­nik. In­ge­nieur:in­nen müs­sen wis­sen, wie die Flü­gel ei­nes neu­en Flug­zeug­mo­dells un­ter be­stimm­ten Flug­be­din­gun­gen vi­brie­ren, und Kli­ma­for­schen­de ver­su­chen vor­her­zu­sa­gen, wie sich glo­ba­le Tem­pe­ra­tu­ren und Wet­ter­mus­ter in der Zu­kunft ent­wi­ckeln. Das sind schwie­ri­ge Auf­ga­ben, denn die zu­grun­de­lie­gen­den Sys­te­me ver­hal­ten sich ih­rer Na­tur nach nicht li­ne­ar. Das be­deu­tet bei­spiels­wei­se, dass ein Flug­zeug­flü­gel sich nicht dop­pelt so weit biegt, wenn man ei­ne dop­pelt so gros­se Kraft auf ihn aus­übt (er könn­te sich ent­we­der stär­ker oder auch we­ni­ger stark bie­gen).

Wis­sen­schaft­ler:in­nen sind in der La­ge, sol­che nicht­li­nea­ren dy­na­mi­schen Sys­te­me zu mo­del­lie­ren, in­dem sie ent­we­der li­nea­re Nä­he­run­gen ma­chen oder aber be­stimm­te nicht­li­nea­re Glei­chun­gen an­neh­men und dann das Mo­dell den be­ob­ach­te­ten Da­ten an­pas­sen. Bei­de An­sät­ze füh­ren al­ler­dings zu Mo­del­len, die oft­mals nur über ei­nen be­grenz­ten Be­reich der Be­we­gun­gen des Sys­tems gül­tig sind. Ei­ne Grup­pe von Wis­sen­schaft­ler:in­nen un­ter der Lei­tung von Ge­or­ge Hal­ler, Pro­fes­sor für nicht­li­nea­re Dy­na­mik an der ETH Zü­rich hat nun ge­mein­sam mit For­schen­den der Uni­ver­si­tät Bre­men ei­nen neu­en Weg ge­fun­den, um Com­pu­ter da­zu zu brin­gen, di­rekt aus ex­pe­ri­men­tel­len Da­ten nicht­li­nea­re dy­na­mi­sche Mo­del­le her­zu­lei­ten, die deut­lich ge­naue­re Vor­her­sa­gen ma­chen kön­nen al­so frü­he­re Al­go­rith­men.

Die Gren­zen des sta­ti­schen Ma­schi­nen­ler­nens

In den letz­ten Jah­ren ha­ben For­schen­de enor­me Fort­schrit­te da­bei ge­macht, Com­pu­tern bei­zu­brin­gen, wie man Mus­ter, Ge­sich­ter und so­gar mensch­li­che Spra­che er­kennt. «Das sind un­glaub­li­che Er­run­gen­schaf­ten», sagt Hal­ler, «aber sol­che An­sät­ze des ma­schi­nel­len Ler­nens wur­den für Pro­ble­me er­dacht, die im We­sent­li­chen sta­tisch sind. Im Ge­gen­satz da­zu ist es deut­lich schwie­ri­ger, Com­pu­ter da­zu zu brin­gen, das Ver­hal­ten dy­na­mi­scher Sys­te­me zu ler­nen, selbst wenn sie so au­gen­schein­lich sim­pel sind wie Was­ser, das in ei­nem Be­cken schwappt.» Ein voll­stän­di­ges phy­si­ka­li­sches Mo­dell für schwap­pen­des Waser müss­te nicht nur den ge­sam­ten Flüs­sig­keits­fluss be­inhal­ten, son­dern auch an­de­re Phä­no­me­ne wie das Bre­chen von Wel­len auf der Ober­flä­che. Her­kömm­li­che Si­mu­la­tio­nen, die all dies be­rück­sich­ti­gen, sind selbst auf mo­der­nen Su­per­com­pu­tern äus­serst zeit­auf­wen­dig.

«Un­ser neu­er An­satz be­ruht auf der Ein­sicht, dass man nicht al­le De­tails der Dy­na­mik wie­der­ge­ben muss, son­dern nur ih­re Schlüs­sel­ele­men­te», sagt Mat­tia Ce­ne­de­se, Post­dok­to­rand in Hal­lers Grup­pe und Erst­au­tor der so­eben im Fach­jour­nal Na­tu­re Com­mu­ni­ca­ti­ons ver­öf­fent­lich­ten Stu­die.

Das gros­se Gan­ze er­fas­sen

Um beim Ver­gleich mit der Ge­sichts­er­ken­nung zu blei­ben: An­statt sich die De­tails ei­nes mensch­li­chen Ge­sichts bis hin zu klei­nen Fält­chen oder gar ein­zel­nen Po­ren in der Haut an­zu­se­hen, be­trach­tet der Com­pu­ter­al­go­rith­mus der ETH-​Forschenden das gros­se Gan­ze – et­wa die all­ge­mei­ne Form der Au­gen und der Na­se. Auf dy­na­mi­sche Sys­te­me an­ge­wandt ent­spricht dies zum Bei­spiel der Su­che nach Kom­bi­na­tio­nen aus Po­si­ti­on und Ge­schwin­dig­keit ei­nes Teils des Sys­tems und nicht et­wa be­stimm­ten Ver­läu­fen un­ter spe­zi­el­len Um­stän­den. Dies hat zur Fol­ge, dass die Re­chen­zeit von meh­re­ren Stun­den oder gar Ta­gen auf we­ni­ge Mi­nu­ten ver­kürzt wer­den kann.

Um die Stär­ke ih­res Al­go­rith­mus zu de­mons­trie­ren, be­nutz­ten Hal­ler und sei­ne Mit­ar­bei­ten­den die Er­geb­nis­se ei­nes Wasserbecken-​Experiments, das ih­re deut­schen Kol­le­gen durch­ge­führt hat­ten. In die­sem Ex­pe­ri­ment wur­de ein mit Was­ser ge­füll­tes Be­cken zu­nächst hin und her ge­schüt­telt, bis das Was­ser be­gann, pe­ri­odisch zu schwap­pen. Das Schüt­teln des Be­ckens wur­de plötz­lich ge­stoppt und das Was­ser ge­filmt, wäh­rend das Schwap­pen lang­sam nach­liess. Aus die­sen Auf­nah­men wur­de die Be­we­gung des Mas­sen­zen­trums des Was­sers er­rech­net und in ei­nen Com­pu­ter ge­speist. Der Al­go­rith­mus stell­te dann ein ein­fa­ches, aber den­noch nicht­li­nea­res, ma­the­ma­ti­sches Mo­dell auf, wel­ches das be­ob­ach­te­te Schwap­pen ge­nau er­fass­te.

«Von ei­nem gu­ten Mo­dell er­war­ten wir, dass es die Dy­na­mik nicht nur un­ter den wäh­rend des ex­pe­ri­men­tel­len Trai­nings vor­herr­schen­den Be­din­gun­gen vor­her­sa­gen kann, son­dern auch un­ter völ­lig an­de­ren Be­din­gun­gen», er­klärt Hal­ler. Und ge­nau das schaff­te das Mo­dell. In ei­ner zwei­ten Rei­he von Ex­pe­ri­men­ten dau­er­te das rhyth­mi­sche Schüt­teln des Be­ckens an, wäh­rend das Was­ser ge­filmt wur­de, was zu ei­ner we­sent­lich an­de­ren Dy­na­mik des Schwap­pens führ­te. Das ma­the­ma­ti­sche Mo­dell sag­te die dar­aus re­sul­tie­ren­de Be­we­gung des Was­sers für ver­schie­de­ne Schüt­tel­fre­quen­zen prä­zi­se vor­her, ob­wohl es ein sol­ches Ex­pe­ri­ment nie zu­vor ge­se­hen hat­te.

Wa­ckeln­de Flü­gel und Kipp­punk­te

Hal­ler und sei­ne Grup­pe ha­ben ih­ren An­satz auch auf an­de­re Sys­te­me an­ge­wandt, wie zum Bei­spiel die si­mu­lier­ten Schwin­gun­gen ei­nes Flug­zeug­flü­gels und das Flies­sen ei­ner zä­hen Flüs­sig­keit zwi­schen zwei sich be­we­gen­den Ober­flä­chen. Ihr Com­pu­ter­pro­gramm ist of­fen ver­füg­bar. «Wir möch­ten, dass die For­schungs­ge­mein­de un­se­ren An­satz auf ih­re ei­ge­nen Pro­ble­me an­wen­den kann, und wol­len da­mit zu ei­nem bes­se­ren Ver­ständ­nis von dy­na­mi­schen Sys­te­men bei­tra­gen, die in der Pra­xis vor­kom­men», sagt Hal­ler und fügt hin­zu: «Vie­le un­ge­lös­te phy­si­ka­li­sche Pro­ble­me, die für die Mensch­heit von In­ter­es­se sind, be­inhal­ten nicht­li­nea­re Dy­na­mik, und auf blos­sem Ma­schi­nen­ler­nen be­ru­hen­de Black-​Box-Methoden funk­tio­nie­ren bei de­nen ein­fach nicht gut».

Um sol­che Pro­ble­me an­zu­ge­hen, so be­tont er, braucht es ma­the­ma­ti­sches Ver­ständ­nis wie je­nes, das in dem neu­en Al­go­rith­mus be­nutzt wird und nur von Men­schen ge­schaf­fen wer­den kann. Er hofft, dass die­ser An­satz es For­schen­de in Zu­kunft er­laubt, dy­na­mi­sche Pro­ble­me zu lö­sen, bei de­nen so ge­nann­te Kip­punk­te ei­ne Rol­le spie­len, die da­zu füh­ren, dass ein dy­na­mi­sches Sys­tem sein Ver­hal­ten plötz­lich und dras­tisch än­dert. Bei­spie­le für sol­che Pro­ble­me sind das Ent­ste­hen von Tur­bu­lenz, die beim Ent­wer­fen von Flug­zeu­gen und in vie­len an­de­ren An­wen­dun­gen ei­ne Rol­le spielt, so­wie Ent­wick­lungs­punk­te im Erd­kli­ma, bei de­nen es kein Zu­rück mehr gibt.

Wissenschaftliche Ansprechpartner:

Prof. Dr. George Haller
georgehaller@ethz.ch
+41 44 633 82 50

Originalpublikation:

https://www.nature.com/articles/s41467-022-28518-y

Weitere Informationen:

https://ethz.ch/de/news-und-veranstaltungen/eth-news/news/2022/02/komplexe-dynam…

Media Contact

Lina Ehlert Hochschulkommunikation
Eidgenössische Technische Hochschule Zürich (ETH Zürich)

Alle Nachrichten aus der Kategorie: Physik Astronomie

Von grundlegenden Gesetzen der Natur, ihre elementaren Bausteine und deren Wechselwirkungen, den Eigenschaften und dem Verhalten von Materie über Felder in Raum und Zeit bis hin zur Struktur von Raum und Zeit selbst.

Der innovations report bietet Ihnen hierzu interessante Berichte und Artikel, unter anderem zu den Teilbereichen: Astrophysik, Lasertechnologie, Kernphysik, Quantenphysik, Nanotechnologie, Teilchenphysik, Festkörperphysik, Mars, Venus, und Hubble.

Zurück zur Startseite

Kommentare (0)

Schreiben Sie einen Kommentar

Neueste Beiträge

Größte bisher bekannte magnetische Anisotropie eines Moleküls gemessen

An der Berliner Synchrotronstrahlungsquelle BESSY II ist es gelungen, die größte magnetische Anisotropie eines einzelnen Moleküls zu bestimmen, die jemals experimentell gemessen wurde. Je größer diese Anisotropie ist, desto besser…

Tsunami-Frühwarnsystem im Indischen Ozean

20 Jahre nach der Tsunami-Katastrophe… Dank des unter Federführung des GFZ von 2005 bis 2008 entwickelten Frühwarnsystems GITEWS ist heute nicht nur der Indische Ozean besser auf solche Naturgefahren vorbereitet….

Resistente Bakterien in der Ostsee

Greifswalder Publikation in npj Clean Water. Ein Forschungsteam des Helmholtz-Instituts für One Health (HIOH) hat die Verbreitung und Eigenschaften von antibiotikaresistenten Bakterien in der Ostsee untersucht. Die Ergebnisse ihrer Arbeit…