El 4 de abril 2017, la ciudad de Khan Sheikhoun en el noroeste de Siria experimentó uno de los peores ataques químicos de la historia reciente. Una columna de gas sarín se extendió a más de 10 kilómetros (unas seis millas), llevado por una turbulencia boyante, matando a más de 80 personas e hiriendo a cientos.

Horrorizado por el ataque, pero también inspirado para hacer algo útil, Kiran Bhaganagar, profesor de ingeniería mecánica en la Universidad de Texas en San Antonio, y su equipo del Laboratorio de Sensores de Turbulencia y Sistemas de Inteligencia, utilizó modelos informáticos para replicar la dispersión del gas químico. Los resultados fueron publicados en Peligros Naturales en mayo de 2017. La precisión de sus simulaciones mostró la capacidad de capturar las condiciones del mundo real a pesar de la escasez de información.

"Si hay un ataque químico repentino, Las preguntas que son importantes son:'¿Hasta dónde llega?' y '¿En qué dirección va? '", Dijo Bhaganagar." Esto es fundamental para las evacuaciones ".

La investigación de Bhaganagar cuenta con el apoyo del Centro Químico y Biológico Edgewood del Departamento del Ejército de EE. UU. (ECBC), que esperan adoptar sus modelos para ayudar en el caso de un ataque en suelo estadounidense.

Productos químicos ya sean agentes tóxicos como gas sarín o gases de escape de vehículos, viajan de manera diferente a otras partículas en la atmósfera. Como incendios forestales que puede moverse increíblemente rápido, los productos químicos crean sus propias microcondiciones, dependiendo de la densidad del material y cómo se mezcla con la atmósfera. Este fenómeno se conoce como turbulencia boyante y da lugar a diferencias notables en la forma en que los productos químicos viajan durante el día o la noche. y durante diferentes temporadas.

"Por la noche y temprano por la mañana, incluso cuando tienes vientos tranquilos, los gradientes son muy nítidos, lo que significa que los productos químicos viajan más rápido, "Bhaganagar explicó.

Incluso la turbulencia ordinaria es difícil de modelar y predecir matemáticamente. Funciona en una variedad de escalas, cada uno interactuando con los demás, y dispersa la energía a medida que se mueve a los niveles más pequeños. Modelar una turbulencia flotante es aún más difícil. Para predecir los efectos de la turbulencia en la dispersión de partículas químicas, El equipo de Bhaganagar ejecutó simulaciones por computadora en la supercomputadora Stampede2 en el Centro de Computación Avanzada de Texas (TACC), el sistema más grande en cualquier universidad de EE. UU.

"Nos adentramos en la física y tratamos de comprender qué son los vértices y dónde está la energía, "Bhaganagar dijo." Descomponemos el problema y cada procesador resuelve una pequeña porción. Luego volvemos a unir todo para visualizar y analizar los resultados ".

Bhaganagar usó las supercomputadoras de TACC a través de la iniciativa de Infraestructura Cibernética de Investigación de la Universidad de Texas (UTRC), cuales, desde 2007, ha proporcionado a los investigadores de cualquiera de las 14 instituciones del Sistema de la Universidad de Texas acceso a los recursos de TACC, experiencia y formación.

La atmósfera de fondo y la hora del día juegan un papel importante en la dispersión. En el caso de los ataques de Siria, Bhaganagar primero tuvo que determinar las velocidades del viento, temperatura, y los tipos de productos químicos involucrados. Con esa información en la mano, su modelo de alta resolución fue capaz de predecir qué tan lejos y en qué dirección viajaban las columnas químicas.

"En Siria, fue muy malo porque el tiempo hizo que las condiciones fueran ideales para propagarse muy rápido, ", dijo." Analizamos el caso real de Siria en la supercomputadora TACC, obtuvo toda la información básica y la agregó a los modelos, y nuestros modelos capturaron los límites de la pluma y las ciudades a las que se extendió. Vimos que era muy similar a lo que se informó en las noticias. Eso nos dio confianza en que nuestro sistema funciona y que podríamos usarlo como herramienta de evacuación ".

La investigación está dirigida a las predicciones a corto plazo:comprender en qué dirección se propagarán los productos químicos dentro de una ventana de cuatro horas y trabajar con los socorristas para desplegar al personal de manera adecuada.

Sin embargo, ejecutar el modelo de alta resolución lleva tiempo. En el caso de la simulación de Siria, requirió cinco días completos de procesamiento de números en Stampede2 para completarse. Durante un ataque real, ese tiempo no estaría disponible. Como consecuencia, Bhaganagar también desarrolló un modelo más burdo que usa una base de datos de condiciones estacionales como información de fondo para acelerar los cálculos.

Para este propósito, El equipo de Bhaganagar ha introducido un protocolo de detección móvil novedoso en el que despliegan sensores móviles de bajo costo que consisten en drones aéreos y sensores terrestres para recopilar los datos del viento local y utilizar el modelo de curso para predecir el transporte de la pluma.

Usando este método, las predicciones de cuatro horas se pueden calcular en tan solo 30 minutos. Ella está trabajando para reducir aún más el tiempo, a 10 minutos. Esto permitiría a los funcionarios emitir rápidamente órdenes de evacuación precisas. o colocar personal donde sea necesario para ayudar a proteger a los ciudadanos.

"Casi no hay modelos que puedan predecir con este nivel de precisión, ", Dijo Bhaganagar." El Ejército utiliza camiones con sensores móviles, que envían en un círculo alrededor de la fuente. Pero es muy caro y tienen que enviar soldados, que es un peligro para ellos ". En el futuro, el ejército espera combinar simulaciones por computadora y monitoreo en vivo en el caso de un ataque químico.

Bhaganagar realizará pruebas en los próximos meses en las instalaciones experimentales del Ejército de los EE. UU. En Maryland para determinar qué tan bien los drones pueden predecir con precisión las condiciones del viento.

"Cuanto mayor sea la precisión de los datos:la velocidad del viento, dirección del viento, temperatura local:mejor es la predicción, ", explicó." Usamos drones para darnos datos adicionales. Si puede introducir estos datos en el modelo, la precisión para la ventana de cuatro horas es mucho mayor ".

Más reciente, ella y su estudiante de posgrado, quien es un Ph.D. candidato, Sudheer Bhimireddy, integró su modelo de turbulencia flotante con el modelo de investigación y pronóstico meteorológico de investigación avanzada de alta resolución para comprender el papel de la estabilidad atmosférica en el transporte a corto plazo de columnas químicas. Investigación sobre la contaminación atmosférica

Desarrollar herramientas para detectar la contaminación en su comunidad

En un trabajo relacionado financiado por la National Science Foundation, Bhaganagar ha adoptado su modelo de columna química para rastrear la contaminación. Ella espera que su código pueda ayudar a las comunidades a predecir las condiciones de contaminación locales.

Según Bhaganagar, Los sensores de viento y gas de bajo costo comprados por una comunidad podrían ayudar a producir pronósticos diarios para que las personas puedan tomar las precauciones adecuadas cuando los niveles de contaminación se concentran en un área. Los esfuerzos recientes han intentado determinar cuántos sensores se necesitan para permitir predicciones locales precisas.

"¿Podemos detectar zonas de contaminación y tomar medidas efectivas para evitar la contaminación?" Preguntó Bhaganagar. "Si tuviéramos nuestros propios modelos a pequeña escala que pudiéramos usar en nuestras comunidades, eso tendría un gran impacto en la contaminación".

Aunque los pronósticos de contaminación de la comunidad se ejecutarían en última instancia en computadoras de consumo, tales predicciones no serían posibles sin acceso a supercomputadoras para probar los modelos y generar una base de datos de las condiciones de fondo.

"Los recursos de TACC son tan valiosos, ", dijo." Ni siquiera habría intentado estos proyectos de investigación si no hubiera podido acceder a las supercomputadoras TACC. Son absolutamente necesarios para desarrollar nuevos modelos de turbulencia que puedan salvar vidas en el futuro ".