Uusi koneoppimismalli edistää ilmakehätutkimusta
Suuri osa ilmakehän aerosolihiukkasista muodostuu ilmassa orgaanisten yhdisteiden tiivistyessä. Aerosolihiukkasista voi edelleen muodostua pilvipisaroiden tiivistymisytimiä. Eri tyyppisiä orgaanisia yhdisteitä sisältävillä aerosolihiukkasilla on erilaiset mahdollisuudet muodostaa pilvipisaroita.
Pilvipisaroiden muodostumista pystytään mallintamaan tiettyjen termodynaamisten ominaisuuksien avulla. Näitä ominaisuuksia ovat muun muassa höyrynpaine ja faasitasapaino.
Termodynaamisia ominaisuuksia pystytään arvioimaan laskennallisilla malleilla, joista tarkimmat vaativat paljon tietokoneaikaa. Jyväskylän yliopistolla kehitetty koneoppimismalli nopeuttaa suurten orgaanisten molekyylien laskuja, jolloin ominaisuuksia pystytään laskemaan yhä suuremmalle joukolle molekyylejä. Näitä ominaisuuksia pystytään edelleen käyttämään globaaleissa ilmastomalleissa, joilla ennustetaan aerosolihiukkasten vaikutusta ilmastonmuutoksessa.
Tulokset julkaistiin 19.10.2022 The Journal of Physical Chemistry Letters -julkaisussa: .
Tutkimus on saanut Suomen Akatemian tutkijatohtori-rahoitusta. Tutkimus tehtiin Jyväskylän yliopistossa Nanotiedekeskuksessa Laskennallisen nanotieteen -³Ù³Ü³Ù°ì¾±³¾³Ü²õ°ù²â³ó³¾Ã¤²õ²õä.
³¢¾±²õä³Ù¾±±ð³Ù´ÇÂá²¹:
Tutkijatohtori Noora Hyttinen, noora.x.hyttinen@jyu.fi