پیش بینی پس لرزه با هوش مصنوعی
پژوهشگران با استفاده از هوش مصنوعی مبتنی بر یادگیری کامپیوتری (Machine Learning) صدها هزار زمین لرزه و پس لرزه را بررسی کردهاند و توانستهاند به روش بهتری برای پیش بینی موقعیت وقوع پس لرزهها دست یابند که از روشهای محاسباتی استاندارد فعلی دقیقتر است. علاوه بر این، یافتههای هوش مصنوعی توانسته است نکات جدیدی برای ارزیابی تغییراتی که به دنبال زمین لرزههای بزرگ در تنش زمین اتفاق میافتد و به شکلگیری پس لرزهها منجر میشود، ارائه دهد.
به گزارش یو سی، پس لرزهها معمولاً پس از وقوع زمین لرزه اصلی اتفاق میافتند و میتوانند هم اندازه زلزله اصلی و حتی بیشتر از آن، خسارت وارد کنند. برای مثال سپتامبر 2010 زمین لرزهای به شدت 7.1 در نزدیکی کرایست چرچ در نیوزیلند رخ داد که تلفات جانی به همراه نداشت. اما پس لرزه آن که 5 ماه بعد با شدت 6.3 به فاصله نزدیکتری از مرکز همان شهر اتفاق افتاد، 185 نفر را به کام مرگ فرو برد.
برای پیش بینی پس لرزهها، لرزهشناسان معمولاً حساب میکنند که به دنبال زمین لرزه اصلی، چه تغییراتی در تنش وارد بر صخرههای نزدیک اتفاق افتاده و بر اساس آن، به برآوردی از موقعیت و شدت پس لرزه در نواحی اطراف میرسند. این روش «تسلیم در برابر تنش» تاکنون توانسته است الگوی پس لرزههای بسیاری از زمین لرزههای بزرگ را توضیح دهد، اما همیشه کار نمیکند.
در روش جدید که مقاله آن روز 29 آگوست در نشریه نیچر منتشر شده، پژوهشگران لرزهشناس به سرپرستی فیبی دی ورایس (Phoebe DeVries) لرزهشناس دانشگاه هاروارد، به سراغ انبوه دادههایی رفتهاند که از زمین لرزههای قبلی ثبت شدهاند. آنها با دادههای بیش از 131 هزار زلزله و پس لرزه که شامل برخی از قویترین زمین لرزههای تاریخ هم میشود (مانند زمین لرزهای به بزرگی 9.1 که مارس 2011 ژاپن را لرزاند) شبکه عصبی را آموزش دادند. این شبکه سپس منطقه را به شبکهای از مربعهایی به ضلع 5 کیلومتر در اطراف مرکز هر زمین لرزه تقسیمبندی کرد و به بررسی تغییرات تنش در مرکز هر مربع پرداخت و در نهایت، احتمال وقوع پس لرزهها را در هر مربع بدست آورد.
پس از پایان آموزش، پژوهشگران شبکه عصبی را با 30 هزار رویداد زمین لرزه و پس لرزه آزمودند. برآوردهای این سیستم هوش مصنوعی به مراتب دقیقتر از روشهای محاسباتی «تسلیم صخرههای اطراف بر اثر تنش» بود. جالبتر اینکه هوش مصنوعی به برخی از تغییرات فیزیکی مانند تغییرات تنش در مواد فلزی درون زمین هم اشاره کرد که به اندازه تغییرات تنش در صخرهها اهمیت دارد، ولی پژوهشگران در روشهای محاسباتی خود معمولاً آن را در نظر نمیگرفتند.
