به گزارش قدس آنلاین، ایسنا به نقل از گیزمگ نوشت:

به طور معمول، تخلیه الکتریکی هنگامی اتفاق می‌افتد که آتش سوزی سازه باعث شود که درجه حرارت یک فضای بسته حداقل به ۵۹۳ درجه سانتی گراد( ۱۱۰۰ درجه فارنهایت) برسد که این دما، دمای تقریبی خودآتشگیری بسیاری از مواد آلی که معمولاً استفاده می‌شوند، است. در نتیجه آنها گازهای قابل اشتعال ساطع می‌کنند و در همان زمان حتی اگر مستقیماً در معرض شعله‌های آتش قرار نگرفته باشند، کم و بیش شعله ور می‌شوند.

بهتر است هنگام وقوع تخلیه الکتریکی آتش‌نشانان در ساختمان حضور نداشته باشند؛ چراکه با توجه به هرج و مرج و دید محدود در داخل سازه‌های در حال سوختن، تشخیص علائم هشداردهنده قابل مشاهده مانند شعله‌های آتش که از سقف عبور می‌کنند، برای آنها دشوار است. در حالی که بسیاری از ساختمان‌ها به حسگرهای حرارتی مجهز هستند، اما این دستگاه‌ها معمولاً مدت‌ها قبل از وقوع تخلیه الکتریکی و در دمای حدود ۱۵۰ درجه سانتی گراد (۳۰۲ درجه فارنهایت) از کار می‌افتند و اینجا همان جایی است که P-Flash (مدل پیش بینی تخلیه الکتریکی) توسعه یافته است.

این فناوری که توسط دانشمندان مؤسسه ملی فناوری و استانداردها در آمریکا (NIST) طراحی شده است، از الگوریتم‌های یادگیری ماشینی استفاده می‌کند که این الگوریتم نیز توسط ۴۰۳۳ شبیه‌سازی رایانه‌ای مختلف از یک خانه سه خوابه، یک طبقه و به سبک مزرعه آمریکایی در حال سوختن که متداول‌ترین نوع خانه در آمریکا است، آموزش دیده‌ است.

الگوریتم‌ها می‌توانند پیش بینی کنند که تقریباً چه زمانی دمای داخل خانه به ۵۹۳ درجه سانتی گراد می‌رسد. هنگامی که P-Flash را بر روی شبیه‌سازی یک خانه در حال سوختن آزمایش کردند، این فناوری توانست وقوع تخلیه الکتریکی را یک دقیقه قبل از رخ دادن و با دقت ۸۶ درصد پیش بینی کند.

یافته‌های این مطالعه در مجله "Proceedings of the AAAI Conference on Artificial Intelligence" منتشر شد.