Yangın Yayılımını Gerçek Zamanlı Öngören Yeni Fizik Bilgili Yapay Zeka Aracı, İhaleye Destek Veriyor

NYU’nun Dijital Ateş İkizi prototipinden, Oregon’daki Grasshopper Ateşi için gözlemlenen ateş çevresinden yaklaşık üç saat önce üretilen neredeyse gerçek zamanlı bir ateş yayılımı öngörüsünü gösteriyor. Mavi çizgi model tarafından öngörülen ateş çevresini, kırmızı çizgi ise gerçek gözlemlenen çevreyi gösteriyor ve örtüşme ölçümleri, öngörü ile gözlemlenen ateş yayılımı arasında güçlü bir uyum olduğunu gösteriyor. Kaynak: NYU Tandon Mühendislik Fakültesi

NYU Ateş Araştırmaları Grubu tarafından aktif bir yangının dijital ikizi olarak tanımlanan yeni bir yapay zekâ sistemi, erken testlerde bir yangının nasıl yayılacağını neredeyse gerçek zamanlı olarak öngörme yeteneği gösterdi.

Sistem, uydulardan, hava durumu kaynaklarından, arazi verilerinden, yanıcı maddelerden, yerleşim yeri ile vahşi alanların birleşim bölgelerinden, yapılardan, kritik altyapıdan, bitki örtüsü haritalarından, dronlardan, yer sensörlerinden ve sahadaki ekiplerden gelen yeni veriler geldikçe öngörüsünü sürekli güncelliyor.

Baş araştırmacı ekip, araştırma görevlisi profesörü Prabodh Panindre, araştırma bilim insanı Anandu Nair ve global ağ profesörü Sunil Kumar’dan oluşuyor; sistemin yangın müdahalesindeki en acil zorluklardan birini çözecek şekilde tasarlandığını söylüyor: olay komutanlarına yangın koşulları değiştikçe zamanında ve açıklanabilir öngörüler sunmak.

Platform, kullanıcının bir yangın konumu seçtiği, öngörülecek alanın boyutunu belirlediği ve belirli aralıklarla güncellenen en fazla 12 saatlik bir zaman dilimi seçtiği bir ABD haritası gösteriyor. Harita ardından bu kriterler altında yangının yayılımının öngörülen çevresini gösteriyor.

Yapay zekâ destekli, sohbet botuna benzer sade bir arayüz, kullanıcıların doğrudan sorular sormasına olanak tanıyor; örneğin rüzgâr kuzaya döndüğünde doğu kanadına ne olacağı, yangın şeridini nerede kesmesi gerektiği veya hangi bölgelerin önce tahliye edilmesi gerektiği gibi. Komutanların verdiği önerilerin ardındaki mantığı gözden geçirmesine olanak tanımak için yangın müzellesi prosedürlerini ve yayımlanmış araştırmaları kaynak göstererek kapsama stratejileri, tahliye planları ve eğitim senaryoları öneriyor.

Sistem, fizik temelli bir yangın yayılım modeli ile birleştirilen, yanma, ısı transferi, yakıt türü ve özellikleri, rüzgâr, eğim, hava koşulları ve bilinen yangın geçiş eşikleri dahil yangın yayılımını yöneten denklemleri sürekli çözen bir yapay zeka katmanı kullanarak çalışır; bu süreçte çoğu makine öğrenmesi aracının aksine yalnızca geçmiş yangın verilerine değil, canlı koşullara dayanır.

“Sistemimiz eğitim verisinden inşa edilmedi. Fizik temellidir,” dedi Kumar; Panindre gibi NYU Abu Dhabi ve NYU Tandon Mühendislik Fakültesi’nde görevlere sahiptir. “Yangının nasıl yandığını ve yayıldığını belirleyen temel denklemleri, yalnızca geleneksel yöntemle çözmek yerine, yapay zeka kullanarak çözeriz.”

Fizik temelli simülasyonlar doğru olabilir ancak hesaplamaca yoğun, koşullar değiştikçe güncellenmesi genellikle saatler alan modellerdir. Makine öğrenmesi araçları daha hızlı olabilir, ancak yalnızca eğitim verileri kadar güçlüdür ve daha önce karşılaşmadıkları koşullarda zorlanabilir.

Dijital ikiz, bu iki yaklaşımın güçlü yönlerini birleştirmek üzere tasarlanmış; yeni gözlemlerle sürekli senkronize olarak neredeyse gerçek zamanlı güncel öngörüler üretir. Araştırmacılar, NYU üzerinden geçici bir ABD patenti başvurmuştur.

Ekip, sistemi üç aktif yangında test etti: Oregon’daki Grasshopper yangını, Utah’taki Widemouth 2 yangını ve New Mexico’daki Sacaton yangını. Grasshopper yangını ile yapılan testlerden birinde, tahmini ve gözlemlenen yangın alanları, mekânsal örtüşmeyi ölçen standart bir ölçüyle %94,6 oranında uyum gösterdi. Diğer testler değişken sonuçlar verdi; uyum, uydudan yapılan gözlemler arasındaki daha uzun aradan sonra yapılan bir Grasshopper yangını öngörüsünde %72,4’e düştü.

Araştırmacıların en çok dikkatini çeken şey, sistemin doğru tahmin ettiği alan miktarından çok, öngörülerinin şekliydi. Model, yangını kabaca bir daire olarak yaklaştırmak yerine, gerçek yangının arazi üzerinde izlediği düzensiz, pürüzlü kenarı yeniden üretti.

Bu ayrım, operasyonel açıdan önemli, çünkü Panindre’e göre bir yangının kesin sınırı, olay komutanlarının ekipleri nereye yerleştireceğini ve hangi mahallelerin tahliye edileceğini belirler.

“Harita üzerindeki küçük bir fark çok da önemli görünmeyebilir,” Panindre, “ancak gerçek hayatta çok önemli olabilir, çünkü orada kritik bir yapı bulunabilir.”

Sistem hâlâ bir araştırma prototipidir ve aktif orman yangınl operational bir araç olarak kullanılmamıştır. Panindre, halka açıklanmadan önce ekibin yangın mücadele kurumları ve federal kurumlarla daha fazla test yapmayı arzuladığını belirtti.

“Ne yaparsak yapalım, hayat kurtarma açısından bir etkisi olduğundan emin olmaya çalışıyoruz,” Panindre, “Bu, Sunil’in ve benim son 20 yıldaki araştırmalarımın odağıydı.”

Orman yangınları
Yapay zekâ

Verilen:
NYU Tandon Mühendislik Fakültesi

Bu hikayenin arkasında kim var?

2021’den beri yükseköğretim ve sağlık içeriğinde deneyime sahip, İngilizce yüksek lisans. Güvenilir bilim haberlerine adanmış.

Tam profil →

Araştırma deneyimine sahip fizik yüksek lisansı. Uzun süreli haber meraklısı. Science X’in editöryel başarısında anahtar rol oynar.

Tam profil →

Kaynak

:
Fizik bilgili yeni bir AI aracı, oryang yayılımını gerçek zamanlı olarak öngörme ve yangın mücadeleye yardım etme amacı taşıyor (2026, 28 Ekim)
28 Ekim 2026’da geri alındı
bu adresten https://phys.org/news/2026-10-physics-ai-tool-aims-wildfire.html

Bu belge telif hakkına tabidir. Özel çalışma veya araştırma amacıyla herhangi bir adil kullanım dışında,
içerik yalnızca bilgilendirme amaçlı sağlanmıştır.