Bare én av tolv bolter holdt: Forsker vil la kunstig intelligens sikre norske bergskjæringer

Kartlegging med droner og kunstige treningsdata

Tradisjonelt kartlegger geologer bergvegger ved å måle sprekker manuelt med geologisk kompass. Et geologisk kompass er et instrument som brukes til å måle helningen og retningen til en geologisk overflate. Chiu benytter i stedet fjernmålingsteknologier som laserskanning og fotogrammetri med drone for å samle inn data. Slik etablerer hun en punktsky av bergskjæringen, som er en detaljert representasjon av overflaten bestående av millioner av koordinatfestede punkter.

– Det er vanlig å bruke drone på anlegg, men det er ikke gjort veldig mye med å faktisk utnytte den høyoppløselige punktskyen til analyse og som utgangspunkt for bergsikring, påpeker Chiu.

Når punktskymodellen er laget, må maskinene lære å gjenkjenne de underliggende sprekkene. Dette krever normalt tusenvis av manuelt merkede bilder. Fordi manuell merking er tidkrevende og ofte gir varierende resultater fra geolog til geolog, har Chiu utviklet en metode som genererer virtuelle bergvegger og simulerer bruddnettverk. I denne perfekte, virtuelle simulatoren trener maskinlæringsalgoritmen seg opp til å forstå bergmassens grunnleggende geometri. Deretter finjusteres algoritmen ved å blande inn en liten andel ekte bilder fra den aktuelle begrskjæringen. Slik lærer maskinen å kjenne igjen sprekker i den virkelige, uoversiktlige verdenen.

– De syntetiske dataene vi lager er ikke realistiske. Men selv om de ser så urealistiske ut, får de en verdi når de brukes på faktiske bergskjæringer, forklarer hun.

Optimal plassering

Sikring av begrskjæringer handler om å finne den rette balansen: for mange bolter gir unødvendig stålforbruk, for få kan i verste fall sette liv i fare.

– Det er en klassisk avveining mellom sikkerhet, materialkostnader og monteringstid, sier Chiu.

Her bruker hun evolusjonsinspirerte algoritmer; kunstig intelligens som systematisk søker etter det matematikerne kaller Pareto-optimale løsninger: en gyllen middelvei der maksimal sikkerhet, minimalt stålforbruk og raskest mulig installasjon veies mot hverandre. Algoritmene tester ulike kombinasjoner av boltelengder og vinkler og evaluerer hundrevis av alternativer for å finne de beste posisjonene. Det tar under ti minutter ved bruk av kunstig intelligens, en jobb som ellers kan ta en ingeniør over to timer.

– Vi fant ut at løsningen lignet veldig på hvordan et menneske ville ha satt boltene. Men vi fikk også mindre forbruk av materiale og en mer robust løsning, sier Chiu.

Bergets digitale tvilling bevarer dokumentasjonen

Det siste elementet i forskningsprosjektet handler om langvarig informasjonslagring. Chiu benytter bygningsinformasjonsmodellering for å etablere en digital tvilling av bergskjæringen, i praksis en virtuell kopi der hver bolt registreres med lengde, type og posisjon i en åpen filstandard.

– Noe informasjon ligger fast, men noe må være dynamisk og oppdateres når man får nye målinger, sier Chiu.

Tanken er enkel: Hvis en ingeniør skal inspisere bergskjæringen om tretti år, skal all nødvendig informasjon ligge tilgjengelig i den digitale tvillingen. Ved å koble kunstig intelligens og tredimensjonale geometriske modeller, erstatter rammeverket manuelle antakelser med nøyaktige matematiske utregninger. Resultatet er redusert materialbruk og økt forutsigbarhet, både under bygging og gjennom hele vedlikeholdsløpet.

– Målet er at dette skal brukes i virkelige prosjekter for å bygge tryggere, mer effektivt og mer økonomisk, avslutter Jessica Chiu.