Nuotare in sciami fa risparmiare energia
I ricercatori del Fare all'ETH di Zurigo stanno chiarendo la questione, finora irrisolta, se i banchi di pesci risparmino energia. Sono riusciti a farlo simulando in dettaglio i complessi sistemi di flusso fisico sul supercomputer "Piz Daint" e combinandoli con un algoritmo di apprendimento per rinforzo.
Il comportamento di branco dei pesci affascina sia gli ingegneri che i biologi. Questo perché i pesci in banco nuotano in un ambiente di flusso che è pieno di energia meccanica generata dai movimenti dei pesci. I ricercatori del Laboratorio di scienza e ingegneria computazionale (CSElab) dell'ETH di Zurigo sono riusciti a rispondere affermativamente alla domanda se i pesci abbiano un vantaggio energetico quando nuotano in branco. Allo stesso tempo, Chi siamo ha acquisito una conoscenza dettagliata di questo processo, che potrebbe avere un impatto su sciami di robot che nuotano o volano ad alta efficienza energetica.
Simulazione precisa della fluidodinamica
Nel loro studio, gli scienziati hanno sviluppato una simulazione altamente dettagliata della complessa interazione tra i pesci che nuotano e il loro ambiente di flusso. Finora, tali simulazioni erano state effettuate utilizzando modelli altamente semplificati che non calcolavano accuratamente la fluidodinamica dei pesci che nuotano. Il supercomputer "Piz Daint" del Centro nazionale svizzero di supercalcolo (CSCS) ha permesso per la prima volta di effettuare simulazioni all'avanguardia ad alta intensità di calcolo senza semplificazioni.
Allo stesso tempo, i ricercatori hanno combinato per la prima volta le simulazioni di flusso realistiche con un algoritmo di apprendimento per rinforzo, un potente algoritmo del campo dell'apprendimento automatico. Tali algoritmi di apprendimento sono stati utilizzati in precedenza in giochi per computer come il "Go" per consentire ai computer di battere gli esseri umani.
L'apprendimento per rinforzo in sistemi fisici complessi richiede migliaia di passi di approssimazione e quindi non è mai stato utilizzato prima per tali sistemi. L'algoritmo ricorda il cane di Pavlos, dicono i ricercatori del CSElab: gli agenti imparano a sviluppare una strategia ottimale per raggiungere il loro obiettivo attraverso le ricompense.
Questo algoritmo è stato ora utilizzato per addestrare i pesci a un comportamento di nuoto ottimale e per consentire loro di decidere autonomamente come reagire nel modo più efficiente ai campi di corrente instabili generati dai loro conspecifici. "Abbiamo creato il quadro matematico e abbiamo semplicemente imposto ai pesci l'obiettivo di nuotare nel modo più efficiente possibile", spiega Guido Novati, dottorando del CSElab e sviluppatore del software su cui si basano le simulazioni. Sorprendentemente, i pesci hanno nuotato nella corrente parassita degli altri per risparmiare energia, anche se era possibile per loro nuotare indipendentemente l'uno dall'altro.
Imparare dalla visualizzazione
Nelle loro simulazioni, i ricercatori hanno esaminato il comportamento di nuoto di un massimo di tre pesci in diverse configurazioni, sia in due che in tre dimensioni. Sottolineano che mai prima d'ora tali simulazioni avevano preso in considerazione più di un pesce in tre dimensioni. Hanno analizzato ogni dettaglio di ogni singolo vortice di corrente per capire il comportamento dei pesci.
"Intuitivamente, si presume che i pesci evitino le aree turbolente e nuotino in quelle calme. Invece, imparano a nuotare direttamente nei gorghi", spiega Siddhartha Verma, Postoc presso il laboratorio CSE. Verma e Novati hanno condotto lo studio, recentemente pubblicato online nei Proceedings of the National Academy of Sciences (PNAS), sotto la supervisione dello Studiare all'ETH Petros Koumoutsakos.
I ricercatori hanno scoperto che i pesci risparmiano la maggior parte dell'energia durante il nuoto se non nuotano uno dietro l'altro, come si pensava in precedenza, ma si posizionano leggermente sfalsati rispetto alla direzione di nuoto del loro leader. In questa posizione, sfruttano i vortici generati dal movimento di nuoto del leader intercettandoli con la testa e dividendoli. Poi guidano i frammenti lungo il corpo. L'andamento dei vortici divisi fornisce ai pesci una spinta senza sottrarre energia al leader.
![](/bin/ethz/components/previewImage/youtube/hkVjbRe85lU.jpg)
Robot autonomi
"Questo ci ha permesso di dimostrare che i pesci che si posizionano in modo appropriato in uno sciame possono trarre energia dalla fluidodinamica che vi prevale", dice Verma. Egli sottolinea che nelle simulazioni non sono stati analizzati tutti gli aspetti del comportamento di nuoto efficiente dei pesci. Ma è chiaro che gli algoritmi sviluppati e la fisica appresa nel processo potrebbero essere trasferiti a robot che nuotano o volano autonomamente.
Un robot autonomo che nuota o vola può far fronte a condizioni di flusso inaspettate - per esempio, consegnare merci con i droni durante il forte vento o con i droni durante la ricerca e il salvataggio in una tempesta. "Ci sono anche piani per far volare in formazione aerei con destinazioni simili su determinate rotte per risparmiare carburante. L'algoritmo che abbiamo sviluppato potrebbe essere utilizzato anche in questo caso", spiega Novati.
I ricercatori sono entusiasti delle possibilità offerte da questa nuova combinazione di simulazioni di flusso precise e complesse con l'apprendimento per rinforzo. Sperano che in futuro anche altri ricercatori inizino a incorporare l'apprendimento automatico nelle loro simulazioni.
Letteratura di riferimento
Verma S, Novati G, Koumoutsakos P: Efficient collective swimming by harnessing vortices through deep reinforcement learning, PNAS published ahead of print 21 maggio 2018. pagina esternahttps://doi.org/10.1073/pnas.1800923115
Simone Ulmer è redattrice di Science and Technology presso pagina esternaCSCS,dove questo articolo è stato pubblicato per la prima volta.