Fraunhofer-Institut für Graphische Datenverarbeitung IGDNach heutigem Kenntnisstand wird der Erreger SARS-CoV-2 hauptsächlich durch Tröpfcheninfektion übertragen. Die größte Gefahr besteht also in virushaltigen Aerosolwolken. Winzige, in der Luft schwebende Tröpfchen machen den Aufenthalt in Innenräumen besonders prekär.
Das Fraunhofer-Projekt Avator befasst sich mit Luftreinigungstechnologien, Ausbreitungsanalysen und Hygienekonzepten und betrachtet nicht nur, wie sich Aerosole ausbreiten, sondern auch, wie sich Raumluft reinigen lässt, insbesondere in Innenräumen. Erste Untersuchungen und Simulationen zeigen: Ein verbessertes Lüftungskonzept verringert die Aerosol-Konzentration deutlich und verkleinert ihren Ausbreitungsradius nachgewiesenermaßen.
Eine aussagekräftige Simulation dauert jedoch Stunden bis Tage an Berechnungszeit. Zudem sind keine definiten Aussagen möglich, weil die Interaktionen zwischen Personen Zufallscharakter besitzen. Forscherinnen und Forscher des Fraunhofer IGD setzen daher darauf, eine agentenbasierte und hocheffiziente Simulation auf Graphikkarten (GPUs) mit maschinellem Lernen zu kombinieren, und zwar folgendermaßen: Simulierte Agenten erzeugen zufällige Interaktionen, in denen sie sich nahekommen, woraufhin die Aerosolausbreitung simuliert wird, und neuronale Netze erlernen diese Charakteristik. Um ausreichend viele Simulationen für das maschinelle Lernen zu erzeugen, setzen die Forscherinnen und Forscher auf einen GPU-beschleunigten Löser, der die verschiedenen Szenarien auf Graphikkarten berechnet. Das Machine-Learning-Modell wertet diese Szenarien aus und hilft, das Bewegungs- und Verhaltensprofil der Viren zu erkennen, beispielsweise über die Verweildauer in stickiger Luft.
Die Forschungsergebnisse kommen allen Betreibern von Innenräumen zugute – insbesondere sind Transportmittel wie Flugzeuge oder Züge sowie Produktionsstätten und Versammlungsräume zu adressieren, aber auch Klassenzimmer oder Großraumbüros.