Les navires de mer et les plates-formes offshore subissent une batterie constante de vagues et de courants. Au fil des décennies d'exploitation, ces structures peuvent, sans avertissement, rencontrer de front une vague scélérate, tempête monstre, ou un autre événement extrême, avec des conséquences potentiellement dommageables.

Aujourd'hui, les ingénieurs du MIT ont développé un algorithme qui identifie rapidement les types d'événements extrêmes susceptibles de se produire dans un système complexe, comme un environnement océanique, où des vagues de magnitudes variables, longueurs, et les hauteurs peuvent créer du stress et de la pression sur un navire ou une plate-forme offshore. Les chercheurs peuvent simuler les forces et les contraintes que des événements extrêmes, sous forme de vagues, peuvent générer sur une structure particulière.

Par rapport aux méthodes traditionnelles, la technique de l'équipe offre une vitesse beaucoup plus rapide, une évaluation des risques plus précise pour les systèmes susceptibles de subir un événement extrême à un moment donné de leur durée de vie prévue, en prenant en compte non seulement la nature statistique du phénomène mais aussi la dynamique sous-jacente.

« Avec notre approche, vous pouvez évaluer, dès la phase d'avant-projet, comment une structure se comportera non pas vis-à-vis d'une vague mais de l'ensemble ou de la famille de vagues qui peuvent frapper cette structure, " dit Themistoklis Sapsis, professeur agrégé de génie mécanique et océanique au MIT. « Vous pouvez mieux concevoir votre structure afin de ne pas avoir de problèmes structurels ou de contraintes dépassant une certaine limite. »

Sapsis dit que la technique ne se limite pas aux navires et aux plates-formes océaniques, mais peut être appliqué à tout système complexe vulnérable aux événements extrêmes. Par exemple, la méthode peut être utilisée pour identifier le type de tempêtes pouvant générer de graves inondations dans une ville, et où cette inondation peut se produire. Il pourrait également être utilisé pour estimer les types de surcharges électriques pouvant provoquer des coupures de courant, et où ces pannes se produiraient dans tout le réseau électrique d'une ville.

Sapsis et Mustafa Mohamad, un ancien étudiant diplômé du groupe Sapsis, actuellement chercheur assistant au Courant Institute of Mathematical Sciences de l'Université de New York, publient leurs résultats cette semaine dans le Actes de l'Académie nationale des sciences .

Contourner un raccourci

Les ingénieurs évaluent généralement l'endurance d'une structure aux événements extrêmes en utilisant des simulations intensives en calcul pour modéliser la réponse d'une structure à, par exemple, une onde venant d'une direction particulière, avec une certaine hauteur, longueur, et la vitesse. Ces simulations sont très complexes, car ils modélisent non seulement la vague d'intérêt mais aussi son interaction avec la structure. En simulant l'ensemble du « champ d'ondes » lorsqu'une vague particulière arrive, les ingénieurs peuvent alors estimer comment une structure pourrait être secouée et poussée par une vague particulière, et quelles forces et contraintes résultantes peuvent causer des dommages.

Ces simulations d'évaluation des risques sont incroyablement précises et, dans une situation idéale, pourraient prédire comment une structure réagirait à chaque type de vague possible, qu'elles soient extrêmes ou non. Mais une telle précision obligerait les ingénieurs à simuler des millions d'ondes, avec différents paramètres tels que l'échelle de hauteur et de longueur, un processus qui peut prendre des mois à calculer.

"C'est un problème incroyablement coûteux, " Sapsis dit. "Pour simuler une onde possible qui peut se produire sur 100 secondes, il faut un processeur graphique moderne, ce qui est très rapide, environ 24 heures. Nous sommes intéressés à comprendre quelle est la probabilité d'un événement extrême sur 100 ans."

Comme raccourci plus pratique, les ingénieurs utilisent ces simulateurs pour exécuter seulement quelques scénarios, choisissant de simuler plusieurs types d'ondes aléatoires qui, selon eux, pourraient causer un maximum de dommages. Si une conception structurelle survit à ces extrêmes, ondes générées aléatoirement, les ingénieurs supposent que la conception résistera à des événements extrêmes similaires dans l'océan.

Mais en choisissant des ondes aléatoires à simuler, Sapsis dit, les ingénieurs peuvent manquer d'autres scénarios moins évidents, telles que des combinaisons de vagues de taille moyenne, ou une vague avec une certaine pente qui pourrait se transformer en un événement extrême dommageable.

"Ce que nous avons réussi à faire, c'est abandonner cette logique d'échantillonnage aléatoire, " dit Sapsis.

Un apprenant rapide

Au lieu d'exécuter des millions de vagues ou même plusieurs vagues choisies au hasard à travers une simulation informatique intensive, Sapsis et Mohamad ont développé un algorithme d'apprentissage automatique pour d'abord identifier rapidement la vague "la plus importante" ou "la plus informative" à exécuter à travers une telle simulation.

L'algorithme est basé sur l'idée que chaque vague a une certaine probabilité de contribuer à un événement extrême sur la structure. La probabilité elle-même comporte une certaine incertitude, ou erreur, car il représente l'effet d'un système dynamique complexe. De plus, certaines vagues sont plus sûres de contribuer à un événement extrême que d'autres.

Les chercheurs ont conçu l'algorithme afin qu'ils puissent rapidement se nourrir de divers types d'ondes et de leurs propriétés physiques, ainsi que leurs effets connus sur une plateforme offshore théorique. À partir des ondes connues que les chercheurs connectent à l'algorithme, il peut essentiellement "apprendre" et faire une estimation approximative de la façon dont la plate-forme se comportera en réponse à toute vague inconnue. Grâce à cette étape d'apprentissage automatique, l'algorithme apprend comment la structure offshore se comporte sur toutes les vagues possibles. Il identifie ensuite une vague particulière qui réduit au maximum l'erreur de probabilité d'événements extrêmes. Cette vague a une forte probabilité de se produire et conduit à un événement extrême. L'algorithme dépasse ainsi une approche purement statistique et prend en compte le comportement dynamique du système considéré.

Les chercheurs ont testé l'algorithme sur un scénario théorique impliquant une plate-forme offshore simplifiée soumise à des vagues entrantes. L'équipe a commencé par brancher quatre vagues typiques dans l'algorithme d'apprentissage automatique, y compris les effets connus des vagues sur une plate-forme offshore. De là, l'algorithme a rapidement identifié les dimensions d'une nouvelle vague qui a une forte probabilité de se produire, et il réduit au maximum l'erreur pour la probabilité d'un événement extrême.

L'équipe a ensuite branché cette onde dans un système plus intensif en calculs, simulation open source pour modéliser la réponse d'une plateforme offshore simplifiée. Ils ont réinjecté les résultats de cette première simulation dans leur algorithme pour identifier la prochaine meilleure vague à simuler, et répété tout le processus. Au total, le groupe a effectué 16 simulations sur plusieurs jours pour modéliser le comportement d'une plate-forme sous divers événements extrêmes. En comparaison, les chercheurs ont réalisé des simulations selon une méthode plus conventionnelle, dans lequel ils ont simulé à l'aveugle autant de vagues que possible, et n'ont pu générer des résultats statistiques similaires qu'après avoir exécuté des milliers de scénarios sur plusieurs mois.

Sapsis dit que les résultats démontrent que la méthode de l'équipe se concentre rapidement sur les vagues qui sont les plus sûres d'être impliquées dans un événement extrême, et fournit aux concepteurs des informations plus scénarios réalistes à simuler, afin de tester l'endurance des plates-formes non seulement offshore, mais aussi les réseaux électriques et les régions inondables.

« Cette méthode ouvre la voie à l'évaluation des risques, conception, et l'optimisation de systèmes complexes à partir de statistiques d'événements extrêmes, ce qui n'a pas été envisagé ou fait auparavant sans simplifications sévères, " Sapsis dit. " Nous sommes maintenant dans une position où nous pouvons dire, en utilisant des idées comme celle-ci, vous pouvez comprendre et optimiser votre système, selon des critères de risque aux événements extrêmes.

Cette recherche a été soutenue, en partie, par le Bureau de la recherche navale, Bureau de recherche de l'armée, et le Bureau de la recherche scientifique de l'armée de l'air, et a été lancé grâce à une subvention de l'American Bureau of Shipping.