في عصر تكنولوجيا الذكاء الاصطناعي، تبرز دراسة جديدة تقدم نموذجًا مبتكرًا يفتح آفاقًا جديدة لفهم الضوضاء الشعاعية (Radiated Noise) للمركبات تحت الماء غير المأهولة (Unmanned Underwater Vehicles - UUVs). تُعتبر ضوضاء هذه المركبات عنصرًا حيويًا في تقييم تواقيعها الصوتية وأداء المنصة بشكل عام.

يواجه الباحثون تحديات كبيرة بسبب الاعتماد القوي للنماذج التقليدية المعتمدة على الفيزياء (Physics-based Modeling) والأساليب العددية (Numerical Simulation) على معلومات الهيكل المستهدف وظروف الحدود البيئية. ما يميز هذه الدراسة هو اقتراح استعمال مجال الضوضاء الشعاعية العصبي (Neural Radiated-Noise Field - NRNF) لتمثيل طيف الضوضاء الشعاعية للمركبة كدالة مستمرة تعتمد على عدة عوامل، منها موضع المركبة، موضع الهيدروفون، زاوية الانطلاق، والتردد.

يتيح هذا النموذج التنبؤ القائم على الاستفسار في مواقع فضائية عشوائية، مع استخدام ترميز جيبي لتحسين الموضع والتردد، مما يعزز من تمثيل الهيكل البيئي وتأثيرات الانتشار بدقة. تم بناء مجموعة بيانات للتنبؤ بالطيف بناءً على تجارب في بحيرات، وتم تقييم النموذج ضمن ثلاثة إعدادات مختلفة: استقراء أفقي (Horizontal Extrapolation)، استقراء عمودي (Depth Extrapolation)، والتعميم عبر التجارب المتكررة (Cross-Run Generalization).

أظهرت النتائج أن نموذج NRNF يحقق متوسط خطأ تنبؤي يبلغ 3.5 ديسيبل (dB) ضمن نطاق تردد 50 إلى 5000 هرتز، مع وجود استقراء أفقي يعد الأسهل، بينما يعتبر الاستقراء العمودي الأكثر تحديًا. كما أظهرت النتائج الإضافية أن شبكة الميزات المشهدية (Scene Feature Grid) تحسن بشكل ملحوظ من استقرار التنبؤ والتعميم المكاني للنموذج.

بالتالي، يُعتبر هذا الابتكار خطوة مهمة نحو تعزيز القدرات التنبؤية للمركبات تحت الماء، مما قد يفتح الأبواب لتطبيقات جديدة في البحث والإنقاذ، الأمن البحري، والعديد من المجالات الأخرى. ما رأيكم في هذا التطور المثير؟ شاركونا في التعليقات!