يستخدم نظام الإنذار المبكر من الزلازل الذكاء الاصطناعي للتنبؤ بالاهتزاز

بالعربي/ يمكن أن يؤدي نهج التعلم العميق الجديد إلى تنبؤات أفضل عن كيفية هز الزلازل مناطق معينة.

يمكن لنظام الإنذار المبكر من الزلازل الذي يستخدم الذكاء الاصطناعي (AI) للتنبؤ بكيفية تحرك الأرض أثناء الزلزال أن يعطي إشعارًا مسبقًا قبل عدة ثوانٍ بأن الاهتزاز قادم. 

يوجد بالفعل نظام مشابه يستخدم قوة حوسبة تقليدية على الساحل الغربي للولايات المتحدة. يطلق عليه اسم ShakeAlert ، وهو يعمل عن طريق اكتشاف الموجات الأولى من حركة الزلزال – تسمى موجات P – ثم حساب وقت وصول مجموعة الموجات التي تسبب معظم الاهتزازات – موجات S بطيئة الحركة -. 

يُطلق على النظام الجديد قيد التطوير اسم DeepShake ، ويهدف أيضًا إلى توفير تحذير مدته بضع ثوانٍ من حدوث اهتزاز وشيك بمجرد بدء الزلزال. ومع ذلك ، يستخدم DeepShake شبكة عصبية عميقة ، وهو نوع من التعلم بالذكاء الاصطناعي ، لتحديد الأنماط من الزلازل الماضية من أجل التنبؤ بكيفية انتقال الاهتزاز من الزلزال الجديد. قد يؤدي ذلك إلى معالجة أسرع وتعميم أسهل عبر مناطق مختلفة معرضة للزلازل.

قال أفوي داتا ، طالب الماجستير في الهندسة الكهربائية في جامعة ستانفورد والذي كان جزءًا من الفريق: “عندما شرعنا في هذا المشروع ، كان هدفنا هو التغلب على معادلات التنبؤ بحركة الأرض المستخدمة حاليًا” لبرمجة أنظمة تنبيه الاهتزازات. طور DeepShake. “تميل إلى أن تكون بطيئة للغاية. أنت بحاجة إلى حلول رقمية ، تعمل على أجهزة الكمبيوتر العملاقة ، ويمكن أن تستغرق دقائق وساعات لمعالجتها.”

في المقابل ، “إذا قمنا بتشغيل 25 نموذجًا من DeepShake ، فسيستغرق الأمر حوالي 6.1 مللي ثانية على وحدة معالجة رسومات بحثية واحدة.” قال داتا لـ Live Science. “هذا سوف يشتعل بسرعة.”

توقع الاهتزاز 

في عرض تقديمي في 23 أبريل في الاجتماع الافتراضي لجمعية علم الزلازل الأمريكية ، أبلغ داتا وزميله ، دانييل وو ، طالب جامعي في جامعة ستانفورد ، عن نتائجهما بعد تدريب DeepShake للتنبؤ بالحركة الأرضية للزلازل بالقرب من ريدجكريست ، كاليفورنيا. يقع Ridgecrest في منطقة القص الشرقية النشطة زلزاليًا في كاليفورنيا ، وفي عام 2019 ، هزت سلسلة من الزلازل المنطقة. وضرب أكبر زلزال بقوة 7.1 درجة في الخامس من يوليو تموز. 

استخدم Datta و Wu وزملاؤهم تسلسل الزلزال هذا لتدريب DeepShake على توقع اهتزاز الأرض في المنطقة. لقد بدأوا بمجموعة بيانات تضم أكثر من 36000 زلزال ضرب ريدجكريست في الفترة من يوليو إلى سبتمبر 2019 (كان معظمها صغيرًا جدًا). قاموا بتغذية 80٪ من مجموعة البيانات في الشبكة العصبية العميقة ، وتوفير 10٪ لتعديل معلمات الشبكة و 10٪ أخيرًا لاختبار ما إذا كانت نتائج الشبكة تتطابق مع الواقع.

قام الباحثون ببرمجة الشبكة لتخصيص وزن أكبر للزلازل الأكبر في التسلسل ، والتي كانت قليلة نسبيًا ، بحيث يمكن أن تؤدي بشكل أفضل كنظام إنذار مبكر – بعد كل شيء ، أكبر الزلازل هي التي يحتاج الناس إلى تحذير بشأنها أكثر . 

إعطاء التحذيرات 

على الرغم من حقيقة أن DeepShake لم يتم إعطاؤه أي معلومات حول موقع الزلزال أو نوعه ، إلا أنه كان قادرًا على التحذير من الاهتزاز في محطات الزلازل الأخرى في الشبكة بين 3 و 13 ثانية قبل حدوثه ، كما أخبر وو Live Science. هذا مشابه لمقدار الإشعار المسبق مع ShakeAlert. ومع ذلك ، لا يرى Wu و Datta هذا النظام الآخر كمنافس. بدلاً من ذلك ، قالوا ، يمكن استخدام تقنية DeepShake لتكملة ShakeAlert. يأمل الباحثون في توسيع الاختبار ليشمل أخطاء أخرى وتسلسلات الزلازل.

قد يكون من الصعب التنبؤ بهز الأرض في أي مكان. على سبيل المثال ، فشل ShakeAlert في إرسال تحذيرات خلال أكبر الزلازل في تسلسل Ridgecrest في عام 2019 لأنه كان من المتوقع ألا يصل الاهتزاز إلى عتبة البرنامج المتمثلة في “اهتزاز الضوء” في بعض المناطق التي شهدت بالفعل اهتزازًا خفيفًا. قام مطورو ShakeAlert بإجراء تغييرات عليه منذ عام 2019 لدمج تلك الدروس المستفادة. قال وو إن ميزة شبكات التعلم العميق هي أنها تدمج تلقائيًا المراوغات الخاصة بالموقع ، لأنها تستند إلى التجارب السابقة للاهتزاز في هذا الموقع. على عكس ShakeAlert ، الذي يستخدم معادلات أكثر عالمية مع افتراضات مضمنة ، يجب إعادة تدريب DeepShake في كل منطقة على حدة حيث تم استخدامها. هذا التدريب ، ومع ذلك ، 

قال وو: “الأماكن التي يزدهر فيها التعلم العميق حقًا هي الأماكن التي يوجد بها الكثير من البيانات والكثير من الأنماط المعقدة للكشف عنها”. 

المصدر/ livescience.comالمترجم/barabic.com