به گزارش خبرگزاری مهر به نقل از اینترستینگ انجینرینگ، گروهی از محققان دانشگاه استفنورد به رهبری مصطفی موسوی با استفاده از هوش مصنوعی روشی برای ارتقای قابلیت خوانش امواج ارتعاشی زمین ابداع کرده اند و به عبارت دیگر درک انسان از چگونگی شروع ارتعاشات و حتی چگونگی پایان یافتن آنها را بهبود می دهند.
در گزارشی که در نشریه « نیچر کامونیکیشنز» منتشر شده، جزئیات روشی توضیح داده شده که همزمان با دریافت سروصدای مربوط به لرزه ها، به طور خودکار زلزله راردیابی می کند.
موسوی و همکارانش با استفاده از هوش مصنوعی روی میلیون ها تغییر ریز و نامحسوس در پوسته زمین تمرکز کردند. آنها امیدوارند با استفاده از این حرکات کوچک علائم هشدار دهنده درباره وقوع زلزله های بزرگ را رمز گشایی کنند.
گرگوری بروزا یکی از مولفان این پژوهش می گوید: با بهبود توانایی مان در ردیابی و مکان یابی این زلزله های کوچک می توان به چشم انداز واضح تری از تعامل لرزه ها در طول گسل ها، شروع و توقف آنها دست یافت.
این محققان چند سیستم یادگیری ماشینی برای ردیابی زلزله توسعه داده اند که یکی از آنها CRED نام دارد و در سال ۲۰۱۹ میلادی ساخته شده است. این سیستم با الهام از الگوریتم های دستیارهای صوتی توسعه یافته که با صوت فعال می شوند.
در پژوهش جدید ، تازه ترین نسخه این سیستم توضیح داده شده است. این مدل می تواند لرزه های بسیار کوچک با سیگنال های ضعیف را ردیابی کند که معمولا در روش های فعلی نادیده گرفته می شوند. این سیستم جدید مبدل زلزله (Earthquake Transformer) نامیده شده و با استفاده از مکانیسم توجه مقدار زیادی از داده ها را پردازش و مهم ترین عناصر آنها را استفاده می کند.
پژوهشگران با کمک اطلاعاتی شامل یک میلیون لرزه نگاری دستی ثبت شده در دو دهه اخیر در سطح جهان( به استثنای ژاپن) به این سیستم آموزش دادند. در مرحله بعد آنها از اطلاعاتی که طی ۵ هفته مداوم در زمان زلزله ۶.۶ ریشتری توتوری در ژاپن ثبت شده بود، برای تست سیستم استفاده کردند.
این سیستم در طول آزمایش، ۲۱هزار و ۹۲ رویداد را شناسایی و مکان یابی کرد که بیش از دو و نیم برابر تعداد زمین لرزه هایی است که با دستگاه های دستی شناسایی شده است. محققان ژاپنی در اصل برای مطالعه این زلزله از اطلاعات ۵۷ ایستگاه استفاده کردند، حال آنکه در سیستم جدید فقط از اطلاعات ۱۸ ایستگاه استفاده شد.
به گفته بروزا، هم اکنون می توان از این سیستم برای شناسایی زمین لرزه ها در زمان واقعی و به صورت زنده استفاده کرد.
