Den 4 april, 2017, staden Khan Sheikhoun i nordvästra Syrien upplevde en av de värsta kemiska attackerna i nyare historia. En plym av saringas spred sig mer än 10 kilometer (cirka sex miles), bärs av flytande turbulens, dödade mer än 80 människor och skadade hundratals.

Förfärad över attacken, men också inspirerad att göra något användbart, Kiran Bhaganagar, professor i maskinteknik vid University of Texas i San Antonio, och hennes team från Laboratory of Turbulence Sensing and Intelligence Systems, använde datormodeller för att replikera spridningen av den kemiska gasen. Resultaten publicerades i Naturliga faror i maj 2017. Noggrannheten i hennes simuleringar visade på förmågan att fånga verkliga förhållanden trots en brist på information.

"Om det plötsligt inträffar en kemisk attack, frågor som är viktiga är:"hur långt går det" och "vilken riktning går det, "" sa Bhaganagar. "Detta är avgörande för evakueringar."

Bhaganagars forskning stöds av US Department of Army Edgewood Chemical and Biological Center (ECBC), som hoppas kunna adoptera hennes modeller för att hjälpa till vid en attack på amerikansk mark.

Kemikalier, oavsett om det är giftiga ämnen som saringas eller avgaser från fordon, reser annorlunda än andra partiklar i atmosfären. Som skogsbränder, som kan röra sig otroligt snabbt, kemikalier skapar sina egna mikroförhållanden, beroende på materialets densitet och hur det blandas med atmosfären. Detta fenomen är känt som flytande turbulens och det leder till betydande skillnader i hur kemikalier färdas under dagen eller på natten, och under olika årstider.

"På natten och tidigt på morgonen, även när du har lugna vindar, gradienterna är mycket skarpa, vilket innebär att kemikalier färdas snabbare, " förklarade Bhaganagar.

Även vanlig turbulens är svår att matematiskt modellera och förutsäga. Den fungerar på en rad olika skalor, var och en interagerar med de andra, och sprider energi när den rör sig till de minsta nivåerna. Att modellera flytande turbulens är ännu svårare. För att förutsäga effekterna av turbulens på spridningen av kemiska partiklar, Bhaganagars team körde datorsimuleringar på superdatorn Stampede2 vid Texas Advanced Computing Center (TACC), det största systemet vid något amerikanskt universitet.

"Vi går in i fysiken i det och försöker förstå vad hörn är och var energin finns, ", sade Bhaganagar. "Vi bryter ner problemet och varje processor löser för en liten del. Sedan sätter vi ihop allt igen för att visualisera och analysera resultaten."

Bhaganagar använde TACC:s superdatorer genom initiativet University of Texas Research Cyberinfrastructure (UTRC), som, sedan 2007, har gett forskare vid någon av University of Texas Systems 14 institutioner tillgång till TACC:s resurser, expertis och utbildning.

Bakgrundsatmosfären och tid på dygnet spelar stor roll för spridningen. När det gäller attackerna i Syrien, Bhaganagar var först tvungen att bestämma vindhastigheterna, temperatur, och vilka typer av kemikalier som är inblandade. Med den informationen i handen, hennes högupplösta modell kunde förutsäga hur långt och i vilken riktning kemiska plymer färdades.

"I Syrien, det var väldigt dåligt eftersom timingen gjorde att det var idealiska förhållanden att sprida sig väldigt snabbt, " sa hon. "Vi körde själva fallet med Syrien på TACC-superdatorn, fick all bakgrundsinformation och la till den i modellerna, och våra modeller fångade plymens gränser och vilka städer den spred sig till. Vi såg att det var väldigt likt det som rapporterades i nyheterna. Det gav oss förtroende för att vårt system fungerar och att vi kunde använda det som ett evakueringsverktyg."

Forskningen är inriktad på kortsiktiga förutsägelser:förstå i vilken riktning kemikalier kommer att spridas inom ett fyra timmars fönster och arbeta med första responders för att distribuera personal på lämpligt sätt.

Dock, att köra högupplösta modellen tar tid. När det gäller Syrien-simuleringen, det krävdes fem hela dagar av siffror på Stampede2 för att slutföra. Under en riktig attack, sådan tid skulle inte vara tillgänglig. Följaktligen, Bhaganagar utvecklade också en grövre modell som använder en databas över säsongsförhållanden som bakgrundsinformation för att påskynda beräkningarna.

För det här syftet, Bhaganagars team har introducerat ett nytt mobilt avkänningsprotokoll där de distribuerar billiga mobila sensorer som består av flygdrönare och markbaserade sensorer för att samla in lokal vinddata och använda kursmodellen för att förutsäga plymens transport.

Med denna metod, fyra timmars förutsägelser kan beräknas på så lite som 30 minuter. Hon arbetar för att få ner tiden ytterligare, till 10 minuter. Detta skulle göra det möjligt för tjänstemän att snabbt utfärda korrekta evakueringsorder, eller placera personal där de behövs för att hjälpa till med att skydda medborgarna.

"Det finns knappast några modeller som kan förutsäga denna nivå av noggrannhet, ", sa Bhaganagar. "Armén använder lastbilar med mobila sensorer, som de skickar in i en cirkel runt källan. Men det är väldigt dyrt och de måste skicka soldater, vilket är en fara för dem." I framtiden, armén hoppas kunna kombinera datorsimuleringar och liveövervakning vid en kemisk attack.

Bhaganagar kommer att genomföra tester under de kommande månaderna vid den amerikanska arméns experimentanläggning i Maryland för att avgöra hur väl drönare kan förutsäga vindförhållanden exakt.

"Ju högre noggrannhet av data - vindhastigheten, vindriktning, lokal temperatur – ju bättre förutsägelse, " förklarade hon. "Vi använder drönare för att ge oss ytterligare data. Om du kan mata in denna data i modellen, noggrannheten för fyratimmarsfönstret är mycket högre."

Senast, hon och hennes doktorand, som är doktorand. kandidat, Sudheer Bhimireddy, integrerat sin flytande turbulensmodell med den högupplösta Advanced Research Weather Research and Forecast-modellen för att förstå vilken roll atmosfärisk stabilitet spelar på kortsiktig transport av kemiska plymer. Forskningen visas i september 2018-upplagan av Atmosfärisk föroreningsforskning

Utveckla verktyg för att upptäcka föroreningar i ditt samhälle

I relaterat arbete finansierat av National Science Foundation, Bhaganagar har använt sin kemiska plymmodell för att spåra föroreningar. Hon hoppas att hennes kod kan hjälpa samhällen att förutsäga lokala föroreningsförhållanden.

Enligt Bhaganagar, billiga vind- och gassensorer som köps av ett samhälle kan hjälpa till att producera dagliga prognoser så att individer kan vidta lämpliga försiktighetsåtgärder när föroreningsnivåerna är koncentrerade till ett område. De senaste försöken har försökt fastställa hur många sensorer som behövs för att möjliggöra exakta lokala förutsägelser.

"Kan vi upptäcka föroreningszoner och vidta effektiva åtgärder för att undvika föroreningar?" frågade Bhaganagar. "Om vi ​​hade våra egna småskaliga modeller som vi kunde använda i våra samhällen skulle det ha stor inverkan på föroreningarna."

Även om föroreningsprognoser i samhället i slutändan skulle köras på datorer av konsumentklass, sådana förutsägelser skulle inte vara möjliga utan tillgång till superdatorer för att testa modellerna och generera en databas med bakgrundsförhållanden.

"TACC-resurser är så värdefulla, " sa hon. "Jag skulle inte ens ha försökt med dessa forskningsprojekt om jag inte hade tillgång till TACC-superdatorer. De är absolut nödvändiga för att utveckla nya turbulensmodeller som kan rädda liv i framtiden."