Արհեստական ինտելեկտի նոր մոտեցումը կարող է օգնել կանխատեսել երկրաշարժից հետո հետցնցումների գտնվելու վայրը
An երկրաշարժ երևույթ է, որն առաջանում է, երբ ժայռի ստորգետնյա հատվածում Երկրի ընդերքը հանկարծակի ճեղքվում է երկրաբանական խզվածքի շուրջ: Սա առաջացնում է էներգիայի արագ արտազատում, որն առաջացնում է սեյսմիկ ալիքներ, որոնք այնուհետև ստիպում են գետնին ցնցվել, և սա այն զգացողությունն է, որ մենք ընկանք երկրաշարժի ժամանակ: Այն տեղը, որտեղ ժայռը կոտրվում է, կոչվում է կիզակետ երկրաշարժ և դրա վերևում գտնվող տեղը գետնի վրա կոչվում է «էպիկենտրոն»: Ազատված էներգիան չափվում է որպես մագնիտուդ, սանդղակ, որը նկարագրում է, թե որքան էներգետիկ էր երկրաշարժը: 2 բալ ուժգնությամբ երկրաշարժը հազիվ ընկալելի է և կարող է գրանցվել միայն զգայուն մասնագիտացված սարքավորումների միջոցով, մինչդեռ. երկրաշարժեր 8 բալից ավելի ուժգնությունը կարող է հանգեցնել գետնի նկատելի ցնցումների՝ շատ ուժեղ: Երկրաշարժին, ընդհանուր առմամբ, հաջորդում են բազմաթիվ հետցնցումներ, որոնք տեղի են ունենում նմանատիպ մեխանիզմով, և որոնք նույնքան ավերիչ են, և շատ անգամ դրանց ինտենսիվությունն ու ուժգնությունը նման է սկզբնական երկրաշարժին: Նման հետերկրաշարժային ցնցումներ հիմնականում տեղի են ունենում հիմնական երկրաշարժից հետո առաջին ժամվա ընթացքում կամ մեկ օրվա ընթացքում երկրաշարժ. Հետցնցումների տարածական բաշխման կանխատեսումը շատ դժվար է:
Գիտնականները ձևակերպել են էմպիրիկ օրենքներ՝ հետցնցումների չափն ու ժամանակը նկարագրելու համար, սակայն դրանց գտնվելու վայրի հստակեցումը դեռևս խնդիր է: Google-ի և Հարվարդի համալսարանի գիտնականները նոր մոտեցում են մշակել գնահատման համար երկրաշարժեր և արհեստական ինտելեկտի տեխնոլոգիայի օգտագործմամբ հետցնցումների գտնվելու վայրի կանխատեսումը՝ հրապարակված իրենց ուսումնասիրության մեջ բնություն. Նրանք հատուկ օգտագործել են մեքենայական ուսուցում՝ արհեստական ինտելեկտի ասպեկտ: Մեքենայի ուսուցման մոտեցման դեպքում մեքենան «սովորում է» տվյալների մի շարքից և այդ գիտելիքները ձեռք բերելուց հետո կարող է օգտագործել այս տեղեկատվությունը ավելի նոր տվյալների վերաբերյալ կանխատեսումներ անելու համար:
Հետազոտողները նախ վերլուծել են գլոբալ երկրաշարժերի տվյալների բազան՝ օգտագործելով խորը ուսուցման ալգորիթմներ: Խորը ուսուցումը մեքենայական ուսուցման առաջադեմ տեսակ է, որում նեյրոնային ցանցերը փորձում են ընդօրինակել մարդու ուղեղի մտածողության գործընթացը: Հաջորդը, նրանք նպատակ ունեին կարողանալ կանխատեսում հետցնցումները ավելի լավ են, քան պատահական գուշակելը և փորձեք լուծել այն խնդիրը, թե «որտեղ» տեղի կունենան հետցնցումները: Աշխարհի ավելի քան 199 խոշոր երկրաշարժերից հավաքագրված դիտարկումները օգտագործվել են՝ բաղկացած շուրջ 131,000 հիմնական ցնցումներից և հետցնցումներից: Այս տեղեկատվությունը համակցվել է ֆիզիկայի վրա հիմնված մոդելի հետ, որը նկարագրում է, թե ինչպես Հող կլինի լարվել և լարվել ան-ից հետո երկրաշարժ որն այնուհետ կառաջացնի հետցնցումներ: Նրանք ստեղծել են 5 կիլոմետր քառակուսի ցանցեր, որոնց շրջանակներում համակարգը ստուգելու է հետցնցումների առկայությունը: Այնուհետև նեյրոնային ցանցը կապեր կստեղծի հիմնական երկրաշարժի հետևանքով առաջացած շտամների և հետցնցումների տեղակայման միջև: Երբ նեյրոնային ցանցի համակարգը լավ պատրաստված էր այս ձևով, այն կարողացավ ճշգրիտ կանխատեսել հետցնցումների գտնվելու վայրը: Ուսումնասիրությունը չափազանց դժվար էր, քանի որ այն օգտագործում էր երկրաշարժերի բարդ իրական աշխարհի տվյալներ: Հետազոտողները այլընտրանքային ձևով ստեղծեցին արհեստական և մի տեսակ «իդեալական» երկրաշարժեր՝ կանխատեսումներ ստեղծելու համար, այնուհետև ուսումնասիրել կանխատեսումները: Նայելով նեյրոնային ցանցի ելքին՝ նրանք փորձեցին վերլուծել, թե տարբեր «քանակներ» կարող են վերահսկել հետցնցումների կանխատեսումը: Տարածական համեմատություններ անելուց հետո հետազոտողները եկան այն եզրակացության, որ տիպիկ հետցնցումների օրինակը ֆիզիկապես «մեկնաբանելի» է: Թիմը ենթադրում է, որ այն մեծությունը, որը կոչվում է շեղող սթրեսային լարվածության երկրորդ տարբերակ, որը պարզապես կոչվում է J2, ունի բանալին: Այս քանակությունը խիստ մեկնաբանելի է և սովորաբար օգտագործվում է մետաղագործության և այլ ոլորտներում, սակայն նախկինում երբեք չի օգտագործվել երկրաշարժերի ուսումնասիրության համար:
Երկրաշարժերի հետցնցումներն առաջացնում են հետագա վնասվածքներ, վնասում են գույքը և նաև խոչընդոտում փրկարարական աշխատանքներին, հետևաբար դրանց կանխատեսումը փրկարար կլինի մարդկության համար: Իրական ժամանակի կանխատեսումը հնարավոր չէ հենց այս պահին, քանի որ AI-ի ներկայիս մոդելները կարող են գործ ունենալ միայն որոշակի տեսակի հետցնցումների և պարզ երկրաբանական խզվածքի հետ: Սա կարևոր է, քանի որ երկրաբանական խզվածքի գծերն ունեն տարբեր երկրաչափություն՝ տարբեր աշխարհագրական դիրքերում մոլորակ. Այսպիսով, այն ներկայումս կիրառելի չէ աշխարհի տարբեր տեսակի երկրաշարժերի համար: Այնուամենայնիվ, արհեստական ինտելեկտի տեխնոլոգիան հարմար է երկրաշարժերի համար, քանի որ n թվով փոփոխականներ պետք է հաշվի առնել դրանք ուսումնասիրելիս, օրինակ՝ հարվածի ուժգնությունը, տեկտոնական թիթեղների դիրքը և այլն:
Նյարդային ցանցերը նախագծված են ժամանակի ընթացքում կատարելագործվելու համար, այսինքն, քանի որ ավելի շատ տվյալներ են սնվում համակարգ, ավելի շատ ուսուցում է տեղի ունենում, և համակարգը կայունորեն բարելավվում է: Ապագայում նման համակարգը կարող է լինել սեյսմոլոգների կողմից օգտագործվող կանխատեսման համակարգերի անբաժանելի մասը: Պլանավորողները կարող են նաև արտակարգ միջոցառումներ իրականացնել՝ հիմնվելով երկրաշարժի վարքագծի մասին գիտելիքների վրա: Թիմը ցանկանում է օգտագործել արհեստական ինտելեկտի տեխնոլոգիա՝ երկրաշարժերի մագնիտուդը կանխատեսելու համար:
***
{Դուք կարող եք կարդալ հետազոտական հոդվածի բնօրինակը` սեղմելով ներքևում նշված DOI հղումը` մեջբերված աղբյուրների ցանկում:}
Աղբյուրը (ներ)
DeVries PMR et al. 2018. Խոշոր երկրաշարժերից հետո հետցնցումների ձևերի խորը ուսուցում: բնություն560 (7720):
https://doi.org/10.1038/s41586-018-0438-y
***
