[ad_1]

مهندس مکانیک مایکل گلنر و فارغ التحصیل او Sriram Barat Hariharan از دانشگاه کالیفرنیا ، برکلی ، اخیراً به مرکز تحقیقات جان اچ گلن ناسا در کلیولند ، اوهایو سفر کرده اند. در آنجا آنها اشیا burning در حال سوختن را در یک شافت عمیق ریختند و نحوه تشکیل گرداب های آتشین را در جاذبه خرد بررسی کردند. مرکز گلن میزبان مرکز تحقیقات جاذبه صفر است که شامل یک برج آزمایشی است که تجربه در فضا را شبیه سازی می کند.

گلنر گفت: “شما پنج ثانیه قدرت جاذبه می گیرید.” محققان یک فتیله پارافین کوچک برای تولید گردبادی از آتش روشن کردند و آن را آزاد کردند و شعله را تا انتها مطالعه کردند.

آزمایشاتی مانند این آزمایش که در هفتاد و سومین نشست سالانه بخش پویایی سیالات انجمن فیزیکی آمریکا ارائه شده است ، می تواند به آتش نشانان کمک کند تا به دو نوع س answerال پاسخ دهند. اول ، آنها روش هایی را می سوزانند که آتش در صورت نداشتن جاذبه می سوزد – و حتی می توانند فضانوردان را از اقدامات محافظتی مطلع کنند. گلنر گفت: “اگر چیزی در حال سوختن باشد ، می تواند وضعیت بسیار خطرناکی در فضا باشد.” دوم ، این می تواند به محققان کمک کند تا نقش جاذبه زمین را در رشد و گسترش آتش های مخرب بهتر درک کنند.

گلنر گفت که آتش بدون جاذبه به طور متفاوتی سوخت. شعله کوتاه تر و گسترده تر بود. گلنر گفت: “ما واقعاً شاهد کاهش سرعت احتراق هستیم.” “ما همان گردابهای نمایشی که با گرانش معمولی داریم را ندیدیم.”

محققان دیگر ، از جمله تیمی از آزمایشگاه ملی لوس آلاموس در نیومکزیکو ، تحولات جدیدی را در مدل محاسباتی دینامیک سیالات ارائه دادند که ممکن است شامل سوخت هایی با رطوبت متفاوت باشد. الكساندر جوزفسون مهندس شیمی ، محقق دكترایی در حال مطالعه پیش بینی های آتش سوزی در جنگل ها در لوس آلاموس ، گفت: بسیاری از مدل های زیست محیطی موجود رطوبت تمام سوخت های موجود در یك منطقه را به طور متوسط ​​انجام می دهند ، اما این روش نتواند تفاوت های موجود در طبیعت را به دست آورد. وی گفت ، در نتیجه ، این مدل ها می توانند پیش بینی های نادرستی در رفتار آتش سوزی جنگل ها ارائه دهند.

جوزفسون گفت: “اگر در میان جنگل ها قدم بزنید ، در اینجا چوب می بینید و در آنجا چمن می بینید ، و تنوع زیادی وجود دارد.” چمن خشک ، خزه خیس و افتادگی اندام محتوای آب یکسانی ندارند و به روش های مختلف می سوزند. آتش سوزی می تواند رطوبت حاصل از خزه های مرطوب را تبخیر کند ، به عنوان مثال ، همزمان اندام های خشک تری را نیز جذب می کند. “ما می خواستیم بررسی کنیم که چگونه تعامل بین این سوخت ها هنگام عبور آتش اتفاق می افتد.”

دانشمندان در لوس آلاموس با همکاری محققان دانشگاه آلبرتا در کانادا و سازمان جنگل های کانادا برای بهبود مدل خود موسوم به FIRETEC (ساخته شده توسط رود لین) تلاش کرده اند. تحولات جدید آنها تغییرات موجود در رطوبت و سایر مشخصات سوخت های شبیه سازی شده را تطبیق می دهد. جینی مارشال ، محقق خدمات جنگل های کانادا ، اخیراً مقایسه شبیه سازی های خود را با داده های واقعی جنگل های هسته ای شمال کانادا آغاز کرد.

در طی یک جلسه پاسخ به جریان ، متیو بونانی ، دانشجوی آزمایشگاه مهندس ماتیاس نام از دانشگاه استنفورد در کالیفرنیا ، مدل جدیدی را برای انتشار آتش سوزی در جنگل بر اساس یک سیستم یادگیری ماشین توصیف کرد. Ihme می گوید ، که توسط ترکیبی پیچیده از تأثیرات محیطی هدایت می شود.

هدف گروه Ihme ساخت ابزاری است که هم دقیق و هم سریع باشد ، برای ارزیابی ریسک ، سیستم های هشدار سریع و طراحی استراتژی های تخفیف استفاده شود. آنها مدل خود را بر روی یک پلت فرم محاسباتی اختصاصی به نام TensorFlow ساخته اند که توسط محققان Google برای راه اندازی برنامه های یادگیری ماشین طراحی شده است. آهمه گفت که مدل در حال آموزش داده های فیزیکی بیشتری است ، شبیه سازی های ذخیره گرما و پویایی انتشار آتش در حال بهبود و سریعتر است.

نام گفت از دیدن اینکه چه ابزارهای پیشرفته محاسباتی منجر به پیش بینی آتش سوزی در جنگل می شود بسیار هیجان زده است. وی گفت: “پیش از این ، این یک زمینه کاملاً تجربی بر اساس مشاهدات فیزیکی بود و جامعه ما روی موضوعات اساسی تری کار می کند.” وی گفت ، اما افزودن یادگیری ماشین به جعبه ابزار ، نشان می دهد که چگونه الگوریتم ها می توانند دقت آزمایش ها را بهبود ببخشند. وی گفت: “این سفر واقعا هیجان انگیز است.”

###

رزومه های خسته شده

تأثیر ریز جاذبه در شکل گیری و هندسه شعله های آتش دوار

پوستر: 3:10 PM CST ، دوشنبه ، 23 نوامبر ، 2020

خلاصه: http: // جلسات.apsسازمان /ملاقات /DFD20 /جلسه /P015

تماس: Sriram Bharat Hariharan ، hsb93@terpmail.umd.edu

روش های ادغام رطوبت سوخت کنتراست در مدل سازی رفتار آتش سوزی در جنگل با استفاده از FIRETEC

پوستر: 3:10 PM CST ، دوشنبه ، 23 نوامبر ، 2020

خلاصه: http: // جلسات.apsسازمان /ملاقات /DFD20 /جلسه /P0412

تماس: جینی مارشال ، ginny.marshall@canada.ca

پیش بینی های انتشار آتش را از طریق شتاب TensorFlow سازگار با TPU انجام دهید

پوستر: 3:10 PM CST ، دوشنبه ، 23 نوامبر 2020

خلاصه: http: // جلسات.apsسازمان /ملاقات /DFD20 /جلسه /P045

تماس: متیو بونانی ، mbonanni@stanford.edu

روابط مفید

وب سایت جلسه: https: //apsappفن آوری های bravura.با /aps-web /؟ واقعه =dfd2020

برنامه علمی: http: // جلسات.apsسازمان /ملاقات /DFD20 /APS_epitome

ثبت نام: https: //منapsسازمان /رویداد NC__؟ شناسه =a0lf400000BEYymAAH

ثبت نام رایگان به منظور تأیید جمع آوری و انتقال اخبار و اطلاعات جلسه ، در اختیار رسانه های مجاز است. اگر قبلاً اطلاعیه مطبوعاتی APS دریافت نکرده اید (به عنوان مثال در جلسات دیگر APS مانند مطبوعات شرکت کرده اید یا نکته ای برای مجلات APS دریافت نکرده اید) ، لطفاً درخواستی را به http: // info ارسال کنید.apsسازمان /مطبوعات.

برای DFD

گروه دینامیک سیالات انجمن فیزیکی آمریکا ، که در سال 1947 تأسیس شد ، برای بهبود و انتشار دانش فیزیک مایع با تأکید ویژه بر نظریه های دینامیکی حالت های مایع ، پلاستیک و گاز در هر شرایط دما و فشار وجود دارد.

برای APS

انجمن فیزیکی آمریکا (APS) یک سازمان غیرانتفاعی است که برای بهبود و انتشار دانش در فیزیک از طریق مجلات تحقیقاتی برجسته ، جلسات تحقیقاتی و آموزش ، فعالیت های تبلیغاتی ، وکالت و فعالیت های بین المللی فعالیت می کند. APS بیش از 55000 عضو دارد ، از جمله فیزیكدانان دانشگاهی ، آزمایشگاه های ملی و صنایع در ایالات متحده و سراسر جهان. دفاتر این انجمن در کالج پارک ، مریلند (دفتر مرکزی) ، ریج ، نیویورک و واشنگتن دی سی واقع شده اند.

[ad_2]

منبع: kolah-news.ir

ایندکسر