پیام خوزستان - گروهی از محققان دانشگاه "استنفورد"(Stanford) از روش جدیدی برای استفاده از هوش مصنوعی(AI) رونمایی کرده اند تا توانایی ما را در خواندن امواج لرزه ای افزایش داده و با این کار، درک ما از نحوه شروع آنها و حتی چگونگی توقف آنها را بهبود بخشند.
این مطالعه که در مجله Nature Communications منتشر شده، جزئیات روشی را شرح می دهد که همزمان با دریافت سر و صدای ذاتی لرزه ها، تشخیص زمین لرزه را به صورت خودکار انجام می دهد.

"مصطفی موسوی" و گروهی از محققان دانشگاه استنفورد از هوش مصنوعی برای تمرکز بر میلیون ها تغییر کوچک و ظریف در پوسته زمین استفاده می کنند. آنها امیدوارند که این حرکات کوچک بتواند برای رمزگشایی علائم هشدار دهنده برای وقوع زمین لرزه های بزرگ عمل کند.
"گریگوری بروزا"، ژئوفیزیکدان دانشگاه استنفورد و یکی از محققان این مطالعه توضیح داد: ما با بهبود توانایی خود در شناسایی و مکان یابی این زمین لرزه های بسیار کوچک، می توانیم دید واضح تری از نحوه تعامل یا پخش زمین لرزه ها در طول گسل ها، نحوه شروع و حتی نحوه توقف آنها داشته باشیم.
این تیم چندین سیستم یادگیری ماشین برای شناسایی زلزله ایجاد کرده است. در این میان، سیستم موسوم به "CRED" وجود دارد که در سال 2019 ساخته شده و از الگوریتم های صدای محرک در سیستم های دستیار مجازی الهام گرفته شده است.
مقاله جدید جزئیات آخرین تلاش این تیم را ارائه می دهد؛ مدلی که زمین لرزه های بسیار کوچک را با سیگنال های ضعیف که معمولاً با روش های فعلی نادیده گرفته می شوند، تشخیص می دهد.
محققان سیستم جدید خود را "Earthquake Transformer" به معنای "مبدل زلزله" نامیده اند. این سیستم از "مکانیسم توجه" برای پردازش مقادیر زیادی از داده ها و دریافت مهمترین عناصر آنها استفاده می کند.
این تیم به منظور آزمایش "مبدل زلزله"، الگوریتم خود را بر روی داده هایی که شامل یک میلیون لرزه نگار دستی ثبت شده در دو دهه گذشته در سطح جهان بود، به استثنای ژاپن آموزش داد. آنها سپس برای آزمایش، پنج هفته داده مداوم ثبت شده در ژاپن در زمان وقوع زمین لرزه 6.6 ریشتری توتوری و پس لرزه های آن از 20 سال پیش را انتخاب کردند.
این سیستم در طول آزمایش، 21 هزار و 92 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. علاوه بر این، "مبدل زلزله" فقط از داده های 18 ایستگاه از 57 ایستگاهی که دانشمندان ژاپنی برای مطالعه استفاده می کردند، استفاده کرد.
به گفته "بروزا"، این سیستم اکنون برای شناسایی زمین لرزه ها در زمان واقعی و به صورت زنده آماده استفاده است.
وی توضیح داد: نظارت بر زلزله با استفاده از فناوری یادگیری ماشین در زمان واقعی به زودی انجام می شود. هرچه اطلاعات بیشتری در مورد ساختار سه بعدی گسل عمیق بدست آوریم، از طریق نظارت بهتر بر زمین لرزه های کوچک، بهتر می توان زمین لرزه هایی را که در آینده در کمین هستند، پیش بینی کرد.