As ondas quebram quando atingem uma altura cra­tica, antes de atingir a crista e colidir com um spray de gotas e bolhas. Essas ondas podem ser tão grandes quanto o point break de um surfista e tão pequenas quanto uma ondulação suave rolando para a costa. Por décadas, a dina¢mica de como e quando uma onda quebra tem sido muito complexa para prever.

Agora, os engenheiros do MIT descobriram uma nova maneira de modelar como as ondas quebram. A equipe usou aprendizado de ma¡quina junto com dados de experimentos de tanques de ondas para ajustar equações que tradicionalmente são usadas para prever o comportamento das ondas. Os engenheiros normalmente confiam em tais equações para ajuda¡-los a projetar plataformas e estruturas offshore resilientes. Mas atéagora, as equações não foram capazes de capturar a complexidade das ondas quebrando.

O modelo atualizado fez previsaµes mais precisas de como e quando as ondas quebram, descobriram os pesquisadores. Por exemplo, o modelo estimou a inclinação de uma onda logo antes de quebrar, e sua energia e frequência após a quebra, com mais precisão do que as equações de onda convencionais.

Seus resultados, publicados hoje na revista Nature Communications , ajudara£o os cientistas a entender como uma onda que quebra afeta a águaao seu redor. Saber exatamente como essas ondas interagem pode ajudar a aprimorar o projeto de estruturas offshore. Tambanãm pode melhorar as previsaµes de como o oceano interage com a atmosfera. Ter melhores estimativas de como as ondas quebram pode ajudar os cientistas a prever, por exemplo, quanto dia³xido de carbono e outros gases atmosfanãricos o oceano pode absorver.

“A quebra das ondas éo que coloca o ar no oceano”, diz o autor do estudo Themis Sapsis, professor associado de engenharia meca¢nica e ocea¢nica e afiliado do Instituto de Dados, Sistemas e Sociedade do MIT. “Pode parecer um detalhe, mas se vocêmultiplicar seu efeito sobre a área de todo o oceano, a quebra das ondas comea§a a se tornar fundamentalmente importante para a previsão do clima.”

Os coautores do estudo incluem a autora principal e pa³s-doutoranda do MIT Debbie Eeltink, Hubert Branger e Christopher Luneau da Universidade de Aix-Marseille, Amin Chabchoub da Universidade de Kyoto, Jerome Kasparian da Universidade de Genebra e TS van den Bremer da Delft University of Technology.

Para prever a dina¢mica de uma onda quebrando, os cientistas normalmente adotam uma das duas abordagens: eles tentam simular precisamente a onda na escala de moléculas individuais de águae ar, ou realizam experimentos para tentar caracterizar ondas com medidas reais. A primeira abordagem écomputacionalmente cara e difa­cil de simular mesmo em uma área pequena; o segundo requer uma quantidade enorme de tempo para executar experimentos suficientes para produzir resultados estatisticamente significativos.

Em vez disso, a equipe do MIT emprestou pea§as de ambas as abordagens para desenvolver um modelo mais eficiente e preciso usando aprendizado de ma¡quina. Os pesquisadores começam com um conjunto de equações que éconsiderado a descrição padrãodo comportamento das ondas. Eles pretendiam melhorar o modelo “treinando” o modelo em dados de quebra de ondas de experimentos reais.

“Ta­nhamos um modelo simples que não capturava a quebra das ondas, e então ta­nhamos a verdade, ou seja, experimentos que envolvem a quebra das ondas”, explica Eeltink. “Então quera­amos usar o aprendizado de ma¡quina para aprender a diferença entre os dois.”

Os pesquisadores obtiveram dados de quebra de ondas executando experimentos em um tanque de 40 metros de comprimento. O tanque foi equipado em uma extremidade com um remo que a equipe usou para iniciar cada onda. A equipe ajustou o remo para produzir uma onda quebrando no meio do tanque. Medidores ao longo do comprimento do tanque mediram a altura da águaa  medida que as ondas se propagavam pelo tanque.

“Leva muito tempo para executar esses experimentos”, diz Eeltink. “Entre cada experimento, vocêprecisa esperar que a águase acalme completamente antes de iniciar o pra³ximo experimento, caso contra¡rio, eles influenciam um ao outro.”

Ao todo, a equipe realizou cerca de 250 experimentos, cujos dados usaram para treinar um tipo de algoritmo de aprendizado de ma¡quina conhecido como rede neural. Especificamente, o algoritmo étreinado para comparar as ondas reais em experimentos com as ondas previstas no modelo simples e, com base em quaisquer diferenças entre os dois, o algoritmo ajusta o modelo para se adequar a  realidade.

Depois de treinar o algoritmo em seus dados experimentais, a equipe apresentou o modelo a dados inteiramente novos osneste caso, medições de dois experimentos independentes, cada um executado em tanques de ondas separados comDimensões diferentes. Nesses testes, eles descobriram que o modelo atualizado fazia previsaµes mais precisas do que o modelo simples e não treinado, por exemplo, fazendo melhores estimativas da inclinação de uma onda quebrando.

O novo modelo também capturou uma propriedade essencial de quebra de ondas conhecida como “downshift”, na qual a frequência de uma onda édeslocada para um valor mais baixo. A velocidade de uma onda depende de sua frequência. Para as ondas do oceano, as frequências mais baixas se movem mais rapidamente do que as frequências mais altas. Portanto, após o downshift, a onda se movera¡ mais rápido. O novo modelo prevaª a mudança na frequência, antes e depois de cada rebentação, o que pode ser especialmente relevante na preparação para tempestades costeiras.

“Quando vocêquer prever quando ondas altas de um swell chegariam a um porto, e vocêquer deixar o porto antes que essas ondas cheguem, então se vocêerrar a frequência da onda, então a velocidade com que as ondas estãose aproximando estãoerrada, — diz Eeltink.

O modelo de ondas atualizado da equipe estãona forma de um ca³digo de ca³digo aberto que outros poderiam usar, por exemplo, em simulações climáticas do potencial do oceano para absorver dia³xido de carbono e outros gases atmosfanãricos. O ca³digo também pode ser trabalhado em testes simulados de plataformas offshore e estruturas costeiras.

“O objetivo número um deste modelo éprever o que uma onda fara¡â€, diz Sapsis. “Se vocênão modelar a quebra das ondas corretamente, isso teria tremendas implicações em como as estruturas se comportam. Com isso, vocêpode simular ondas para ajudar a projetar estruturas melhor, com mais eficiência e sem grandes fatores de segurança.”

Esta pesquisa éapoiada, em parte, pela Swiss National Science Foundation e pelo Escrita³rio de Pesquisa Naval dos EUA.