Mer än hälften av USA:s befolkning bor i kustnära vattendelare län eller församlingar. Kustsamhällen längs Mexikanska golfen är bland de mest befolkade - också en region där höga koncentrationer av energiresurser har gjort det till ett nationellt nav för många storskaliga lagringsanläggningar för kol för att fånga upp.

Närheten till havet av både lokala samhällen och energiinfrastruktur gör båda extremt sårbara för den förödelse som kan orsakas av översvämningar och vindskador från svåra väderhändelser i viken, som ökar i både frekvens och intensitet för varje orkansäsong.

Clint Dawson, en professor vid institutionen för flygteknik och teknisk mekanik (ASE/EM) och chef för Computational Hydraulics Group vid Oden Institute for Computational Engineering and Sciences vid UT Austin, arbetar för att göra stormflodsprognoser för orkaner mer exakta än någonsin. Tack vare ett nytt bidrag från Department of Energy (DOE), Dawson kommer att leda ett tvärvetenskapligt forskningsprojekt för att utveckla ett beräkningsbaserat "digitalt tvilling"-ramverk som överbryggar gapet mellan multifysiksimuleringar och kunskapsupptäckt genom artificiell intelligens (AI) och maskininlärningsteknik (ML), kallas MuSiKAL.

Enkelt uttryckt, en digital tvilling är en virtuell representation av ett objekt eller system som sträcker sig över hela dess livscykel genom regelbundna datauppdateringar i realtid som tillhandahålls av sensorer spridda över objektet eller systemet. Med hjälp av simuleringar, maskininlärning och annan teknik för beslutsfattande, digitala tvillingar kan hjälpa till att förutsäga framtida prestanda och beteende.

Dawsons team har modellerat stormflodsprognoser i två decennier, från orkanen Katrina, Rita, Ike och Harvey till säsongens största storm hittills, Orkanen Ida. Och stormflodsexperten kommer att vara den första att berätta att var och en har sin egen uppsättning unika egenskaper. Men det kan fortfarande dras lärdomar från var och en som skulle kunna informera framtida svar.

För närvarande när en orkanmodell är igång, mätningar samlas in på mycket diskreta platser — längs kusten och i havet, till exempel – men dessa punkter representerar inte varje punkt i varje region som kan påverkas.

"Vi måste ha en modell som ger ytterligare information. Om vi ​​har den informationen tillgänglig att använda, det kan bättre informera de modeller vi kör för närvarande, "Sade Dawson. "Och då kan vi gå tillbaka och jämföra modellerna med data för en mer exakt bild."

Digitala tvillingar har redan utvecklats för en mängd olika situationer – från modern flygplansdesign till system som hjälper till att hantera hela städer. I samband med extremvädermodellering, Tekniken skulle kunna möjliggöra ännu snabbare förutsägelser av stormbeteende i realtid genom att kombinera kunskap om tidigare stormar med hjälp av AI och ML.

"Dessa modeller är mycket komplexa och kan ta timmar att simulera på en superdator. Om vi ​​kan använda maskininlärning baserat på data som har samlats in från tidigare orkaner som är väldigt lika, då skulle vi kanske kunna ge snabbare förutsägelser i realtid, " sa Dawson.

Genom programmet Advanced Scientific Computing Research (ASCR) kommer DOE att stödja ett samarbetsteam av experimentella och beräkningsforskare från University of Texas i Austin, Louisiana State University, University of Notre Dame och Pacific Northwest National Laboratory. De kommer att ledas av Dawson tillsammans med en kollega ASE/EM-professor och Oden Institutes kärnfakultetsmedlem, Tan Bui-Thanh.

Andra UT-experter som deltar inkluderar Bridget Scanlon och Alexander Sun från UT:s Bureau of Economic Geology och Dev Niyogi och Zong-Liang Yang från Jackson School of Geosciences.

DOE har nyligen investerat i utvecklingen av jordsystemmodeller för klimatforskning. Dawson sa att han ser fram emot att arbeta med forskning som är direkt relaterad till klimatförutsägelser.

"Jag tror att det här kommer att bli ett banbrytande projekt, och stämmer väl överens med den expertis vi har byggt upp i 20 år, "Sa Dawson. "Att kontakta Department of Energy för att utveckla längre skala prognoser av vad som kommer att hända med energisektorn och samhället som helhet på grund av framtida klimat är mycket spännande."

Institutionen för energis fond för integrerad beräknings- och datainfrastruktur för vetenskapsforskning kommer att ge totalt 5,2 miljoner USD till projektet med UT Austin som får 3 miljoner USD.