Vattnets form. Kan den berätta om vad som driver romantik? Bland fiskar, det kan. Eva Kanso, en professor i rymd- och maskinteknik vid USC Viterbi School of Engineering studerar vätskeflöden och nästan som en rättsmedicinsk expert, Kanso, tillsammans med hennes team, studerar hur vattensignaler transporteras genom vattnet.

När det gäller parning, små kräftdjur som kallas copepods är en av de vanligaste flercelliga organismerna, säger Kanso, Zohrab Kaprielian -stipendiat i teknik.

För att hitta sin kompis, manliga copepoder söker efter och följer honans hydrodynamiska och kemiska spår. Forskare som Kanso tror att vattenlevande organismer överför och läser information genom de rörelser de gör och de vak som de lämnar efter sig i vattnet. Hamnstätningar, till exempel, har visat sig spåra ett rörligt föremåls spår, även när tätningen är förblindad och initialt akustiskt maskerad. Forskare tror att vattenflödet kodar för ett informationsmönster - en typ av språk som en organism kan kalla en annan för att para sig, använd för att undvika rovdjur eller till och med för lax, börja uppströms migration.

Precis som en mås fotavtryck i sanden är annorlunda än en människas, varje rörlig kropp i vattnet genererar ett annat mönster eller väckning baserat på vissa faktorer, till exempel storleken på den kropp som skapade den eller den hastighet med vilken den rör sig (ett snabbt simmande och rädd djur kan generera ett distinkt vakning av desto mer frekvent och snabbare slag i svansen). Kanso skulle vilja förstå hur dessa vattenflödesmönster uppfattas på lokal nivå, av en organism eller ett bioinspirerat fordon, och avkoda dem för att se vad som händer i vattnet i större skala.

Med hjälp av en beräkningsfysisk modell, Kanso, och doktorander Brendan Colvert och Mohamad Alsalman, genererade olika vätskeflödesmönster, sedan använda maskininlärning, tränade en algoritm för att korrekt identifiera dessa vätskemönster, uppnå 99 procents noggrannhet. Genom att göra det här, forskarna utvecklade en algoritm för att, på sätt och vis, efterlikna en akvatisk sensorisk intelligens när det gäller de mönster som skapas i vatten. Det är en av de första fallen där maskininlärning tillämpades för att karakterisera mönster i vätskeflöden.

Varför spelar det någon roll? Tänk på hur tekniken har utvecklats utifrån hur en fladdermus genererar medvetenhet om en miljö. Precis som ekolodsvågor används av ubåtar för att aktivt undersöka sin miljö, det kan finnas navigationsanvändningar för kunskap om vattenmönster under havet. Utan GPS, undervattensfordon utrustade med sensorer som är utbildade med sådana algoritmer kan, i princip, upptäcka fordon av en viss storlek och hastighet, kända för att generera vissa flödesmönster. Av samma skäl, Att förstå mönstren som gör att en given kölvatten kan upptäckas kan hjälpa till att designa undervattensfordon som lämnar efter sig iögonfallande väckningar.

Kanso och hennes team testar nu dessa algoritmer på verkliga data och utvidgar deras omfattning till rumsligt fördelade nätverk av sensorer som har potential att skapa mer robusta och exakta kartor över flödesmönstren.

Artikeln publicerades nyligen i Bioinspiration &Biomimetik .