Mejorando la extracción de modos con redes neuronales informadas por la física

Este estudio tiene como objetivo mejorar los métodos convencionales de extracción de modos en guías de ondas oceánicas utilizando una red neuronal informada por la física (PINN). La extracción de modos implica estimar los números de onda de los modos y las correspondientes funciones de profundidad del modo. El enfoque considera un escenario con una fuente de frecuencia única remolcada a una profundidad constante y medida desde una matriz de líneas verticales (VLA). Los métodos convencionales de extracción de modos aplicados a datos experimentales enfrentan dos problemas. Primero, la estimación de la forma del modo está limitada porque los receptores solo cubren una parte de la guía de ondas. Segundo, el espectro de números de onda se ve afectado por problemas como el desplazamiento Doppler y errores de rango. Para abordar estos desafíos, entrenamos la PINN con datos medidos, generando un campo de presión complejo muestreado densamente, incluyendo la región no medida sobre la VLA. Luego aplicamos los mismos métodos de extracción de modos tanto a los datos en bruto como a los datos generados por la PINN para comparación. El método propuesto se valida utilizando datos del SWellEx-96, demostrando un mejor desempeño en la extracción de modos en comparación con el uso directo de datos experimentales en bruto.