Surrogate-Assisted Multi-Objective Optimization of Stilling Basin Design: Integrating ANN Metamodeling with NSGA-II Using Real Experimental Data

एक बांध के ऊपर से या स्पिलवे के नीचे से तेजी से बहता पानी अपार शक्ति रखता है। यदि वह उच्च-गति वाला प्रवाह बिना किसी चेतावनी के नीचे नदी के तल से टकराता है, तो यह एक निरंतर चलने वाले सैंडब्लास्टर की तरह काम करता है, जो गहरे गड्ढे खोद देता है और उस संरचना को भी खतरे में डाल देता है जो पानी को रोके रखती है। इस विनाश को रोकने के लिए, इंजीनियर इन संरचनाओं के नीचे एक विशिष्ट बेसिन बनाते हैं, जिसे 'स्टिलिंग बेसिन' (stilling basin) कहा जाता है। इसका काम पानी को सुरक्षित रूप से आगे बढ़ने से पहले उसकी गति को धीमा करना और उसकी ऊर्जा को कम करना है। यह एक 'हाइड्रोलिक जंप' नामक अराजक, उथल-पुथल वाली घटना के माध्यम से होता है, जहाँ पानी की तेज़, पतली परत अचानक एक गहरे, धीमे पूल से टकराती है। लक्ष्य उस विनाशकारी ऊर्जा को यथासंभव कम करना है। हालाँकि, इसमें एक पेंच है: वही विक्षोभ (turbulence) जो ऊर्जा को तोड़ता है, नदी के तल को खोदने या खरोंचने का भी प्रयास करता है। इंजीनियरों को लंबे समय से एक कठिन संतुलन बनाए रखने का सामना करना पड़ा है: एक ऐसा बेसिन डिजाइन करना जो पानी की शक्ति को तो रोक दे लेकिन नदी के तल को इतना गहरा न खोद दे कि वह ढह जाए।

द दशकों तक, इन बेसिनों के लिए एकदम सही आकार खोजने का अर्थ था परीक्षण और त्रुटि (trial and error), प्रयोगशालाओं में भौतिक मॉडल, या जटिल कंप्यूटर सिमुलेशन पर निर्भर रहना जिन्हें एक एकल डिजाइन के लिए चलाने में कई दिन लग सकते थे। हालाँकि, एक नया अध्ययन इस पहेली को हल करने का एक तेज़, स्मार्ट तरीका प्रदान करता है। नॉर्दर्न टेक्निकल यूनिवर्सिटी और कारल्सटैड यूनिवर्सिटी के शोधकर्ताओं ने एक ऐसी विधि विकसित की है जो सर्वोत्तम संभव डिजाइनों को मिनटों में खोजने के लिए वास्तविक दुनिया के प्रयोगात्मक डेटा को आर्टिफिशियल इंटेलिजेंस (कृत्रिम बुद्धिमत्ता) के साथ जोड़ती है। वास्तविक प्रयोगों से लिए गए वास्तविक मापों से सीखने के लिए उन्होंने एक डिजिटल मस्तिष्क को प्रशिक्षित किया। इस प्रणाली ने हजारों संभावित डिजाइनों को खोजने के लिए एक शक्तिशाली खोज एल्गोरिदम का उपयोग किया, जिससे पानी की ऊर्जा को रोकने और नदी के तल की रक्षा करने के बीच के आदर्श संतुलन को जल्दी से पहचाना जा सका।

टीम ने दो अलग-अलग, सहकर्मी-समीक्षित (peer-reviewed) अध्ययनों से उच्च-गुणवत्ता वाला डेटा एकत्र करके शुरुआत की, जहाँ वैज्ञानिकों ने पहले ही विभिन्न बेसिन सेटअपों में पानी के व्यवहार का परीक्षण किया था। उन्होंने अस्सी विशिष्ट डेटा बिंदु एकत्र किए, जिनमें से प्रत्येक पानी की गहराई, गति, बेसिन की लंबाई और प्रवाह को बाधित करने के लिए बेसिन के भीतर रखे गए छोटे ब्लॉकों की ऊंचाई के एक विशिष्ट संयोजन का प्रतिनिधित्व करता था। ये ब्लॉक, जिन्हें 'बफल्स' (baffles) कहा जाता है, अत्यंत महत्वपूर्ण हैं क्योंकि वे पानी को तोड़ने और प्रवाह को धीमा करने के लिए आवश्यक विक्षोभ पैदा करने में मदद करते हैं। शोधकर्ताओं ने इस वास्तविक डेटा को एक 'आर्टिफिशियल न्यूरल नेटवर्क' में डाला, जो मानव मस्तिष्क के मॉडल पर आधारित एक प्रकार का कंप्यूटर प्रोग्राम है और जटिल जानकारी में पैटर्न पहचानने में उत्कृष्ट है। उन्होंने इस डिजिटल मॉडल को दो चीजों की भविष्यवाणी करना सिखाया: पानी कितनी ऊर्जा खोएगा (दक्षता) और नदी का तल कितना गहरा खोदा जाएगा (स्कौर डेप्थ)। मॉडल ने इतनी अच्छी तरह से सीखा कि वह 95 प्रतिशत से अधिक सटीकता के साथ एक नए डिजाइन के परिणाम की भविष्यवाणी कर सकता था, जो एक स्तर की सटीकता है जिसने इसे महंगे भौतिक परीक्षणों या धीमे कंप्यूटर सिमुलेशन के विकल्प के रूप में विश्वसनीय बना दिया।

एक बार जब डिजिटल मॉडल को प्रशिक्षित कर दिया गया, तो शोधकर्ताओं ने उसे समस्या खोजने के लिए स्वतंत्र छोड़ दिया। उन्होंने कंप्यूटर को एक क्लासिक संघर्ष को हल करने के लिए कहा: अधिकतम ऊर्जा हानि को प्राप्त करना और साथ ही गड्ढे की खुदाई को न्यूनतम करना। वास्तविक दुनिया में, आप दोनों को एक ही समय में प्राप्त नहीं कर सकते; आमतौर पर, पानी को अधिक ऊर्जा खोने का मतलब है कि वह एक गहरा गड्ढा खोद देगा। इस राह को खोजने के लिए, उन्होंने NSGA-II नामक एक एल्गोरिदम का उपयोग किया, जो विशेष रूप से ऐसे परस्पर विरोधी लक्ष्यों को संभालने के लिए डिज़ाइन किया गया है। एक एकल उत्तर देने के बजाय, एल्गोरिदम ने 123 विभिन्न डिजाइनों की एक सूची तैयार की, जिनमें से प्रत्येक एक अद्वितीय समझौते का प्रतिनिधित्व करता है। कुछ डिजाइन ऊर्जा को रोकने में बहुत अच्छे थे लेकिन उन्होंने थोड़ा गहरा गड्ढा छोड़ दिया, जबकि अन्य नदी के तल के लिए सौम्य थे लेकिन पानी की शक्ति को उतनी प्रभावी ढंग से नहीं रोक पाए। विकल्पों का यह संग्रह, जिसे 'पारेटो फ्रंट' (Pareto front) कहा जाता है, इंजीनियरों को एक मजबूर समाधान के बजाय विकल्पों का एक मेनू देता है, जिससे उन्हें अपनी विशिष्ट आवश्यकताओं के अनुसार सबसे अच्छा डिजाइन चुनने की अनुमति मिलती है।

अध्ययन ने एक विशेष डिजाइन को "सर्वश्रेष्ठ समझौता" (best compromise) के रूप में पहचाना, जो ट्रेड-ऑफ कर्व के बिल्कुल बीच में स्थित है। इस आदर्श सेटअप के लिए, पानी 0.064 मीटर की गहराई और 0.812 मीटर प्रति सेकंड की गति से बेसिन में प्रवेश करता है। बेसिन स्वयं लगभग 1.004 मीटर लंबा है, और इसके भीतर के बफल्स 0.036 मीटर ऊंचे हैं। यह विशिष्ट विन्यास 51.10 प्रतिशत पानी की ऊर्जा को नष्ट करने में सक्षम है जबकि स्कौर डेप्थ (गड्ढे की गहराई) को केवल 0.005 मीटर तक सीमित रखता है। शोधकर्ताओं ने यह भी पता लगाया कि कौन से कारक सबसे अधिक महत्वपूर्ण थे। उन्होंने पाया कि आने वाले पानी की गति ऊर्जा हानि का सबसे बड़ा चालक थी; गति बदलने का ऊर्जा के क्षय पर व्यापक प्रभाव पड़ता है। इसके विपरीत, बफल्स की ऊंचाई नदी के तल को खोदने की गहराई को नियंत्रित करने के लिए सबसे महत्वपूर्ण कारक थी। इन दो चरों को समायोजित करके, इंजीनियर सुरक्षा या अधिकतम ऊर्जा कमी में से किसी एक को प्राथमिकता देने के लिए बेसिन को सूक्ष्मता से ट्यून कर सकते हैं।

इस कार्य की सबसे महत्वपूर्ण उपलब्धि इन परिणामों को प्राप्त करने की तीव्र गति है। अतीत में, विस्तृत कंप्यूटर फ्लूइड डायनामिक्स सिमुलेशन का उपयोग करके इस तरह के डिजाइन को अनुकूलित करने में कंप्यूटिंग समय के कई दिन या सप्ताह लग सकते थे। आर्टिफिशियल इंटेलिजेंस मॉडल का उपयोग करके, जो वास्तविक डेटा पर प्रशिक्षित था, शोधकर्ताओं ने पूरी अनुकूलन प्रक्रिया को, विश्वसनीयता सुनिश्चित करने के लिए दस अलग-अलग रन सहित, लगभग 25 मिनट में पूरा कर लिया। समय में यह भारी कमी का अर्थ है कि इंजीनियर अब कंप्यूटिंग सीमाओं से बंधे बिना संभावनाओं की एक बहुत विस्तृत श्रृंखला तलाश सकते हैं और बेहतर समाधान पा सकते हैं। हालांकि अध्ययन नोट करता है कि विशिष्ट परिणाम केवल परीक्षण की गई स्थितियों की सीमा के भीतर ही मान्य हैं, लेकिन स्वयं यह विधि एक शक्तिशाली नया उपकरण है। यह सिद्ध करता है कि वास्तविक प्रयोगात्मक डेटा को स्मार्ट एल्गोरिदम के साथ जोड़कर, हम जटिल हाइड्रोलिक समस्याओं को कुशलतापूर्वक हल कर सकते हैं, जिससे यह सुनिश्चित होता है कि हमारी नदियों और शहरों की रक्षा करने वाली संरचनाओं को सटीकता और व्यावधिकता दोनों के साथ डिजाइन किया गया है।