هوش مصنوعی زلزله‎‌های پنهان را کشف می‌کند

نسیم گیلان - ایسنا / طی مطالعه‌ای جدید مبتنی بر یادگیری هوش مصنوعی، سوابق زلزله‌های «غول دهانه یلو استون»(Yellowstone Caldera) 10 برابر گسترش پیدا کرد.
بر اساس مطالعه‌ای جدید، «غول دهانه یلواستون» از سال 2008 تا 2022 شاهد 86 هزار و 276 رویداد لرزه‌ای بوده است. این منطقه آتش‌فشانی که ایالت‌های «وایومینگ»(Wyoming)، «آیداهو»(Idaho) و «مونتانا»(Montana) را در بر می‌گیرد، یکی از فعال‌ترین مناطق آتشفشانی از نظر لرزه‌خیزی در زمین است. این غول دهانه زمانی تشکیل می‌شود که یک آتشفشان فوران کرده، اتاقک ماگمای زیرین خود را تخلیه می‌کند و باعث فروریختن زمین در بالا به درون یک فرورفتگی بزرگ شود.
بازار
به نقل از آی‌ای، پروفسور «بینگ لی»(Bing Li) از «دانشگاه وسترن»(Western) در کانادا و تیمش در یک مطالعه پیشگامانه جدید با همکاری پژوهشگرانی از «دانشگاه صنعتی سانتاندر»(Santander) در کلمبیا و سازمان زمین‌شناسی ایالات متحده آمریکا، از یادگیری هوش مصنوعی برای بررسی 15 سال داده‌های تاریخی زلزله در «یلو استون» استفاده کردند.
روش‌های پیشرفته آنها حدود ده برابر بیشتر از رویدادهای لرزه‌ای که قبلاً مستند شده بودند را شناسایی و بزرگی آنها را تعیین کرد که بینش‌های جدیدی در مورد پویایی‌های جاری در زیر «غول دهانه یلواستون» ارائه می‌دهد و توانایی ارزیابی خطرات احتمالی آتشفشانی را بهبود می‌بخشد.
به گفته پژوهشگران، بیش از نیمی از زلزله‌های این منطقه در دسته‌ «ازدحامی»(swarms) رخ می‌دهند. یکی از اکتشافات مهم این مطالعه این است که بیش از نیمی از این زلزله‌ها در دسته «ازدحامی»(swarms) زلزله که خوشه‌هایی از لرزش‌های کوچک و مرتبط که در یک منطقه محدود طی دوره‌های زمانی کوتاه حرکت کرده و تکامل می‌یابند، رخ داده‌اند. این بینش به دانشمندان کمک می‌کند تا رفتار پیچیده سامانه‌های زیرزمینی «یلو استون» را بهتر درک کنند.
سوابق زلزله برای «غول دهانه یلو استون» به طور قابل توجهی گسترش یافته است. این فهرست بهبود یافته، تصویری واضح‌تر از فعالیت‌های آتشفشانی و لرزه‌ای در منطقه ارائه می‌دهد که این امر به لطف بررسی داده‌های بهتر و بازبینی نظام‌مند امکان‌پذیر شده است.
پروفسور «لی» گفت: دسته‌های زلزله با پس‌لرزه‌ها متفاوت هستند، زیرا شامل خوشه‌هایی از زلزله‌های کوچک و مرتبط هستند که در یک دوره زمانی کوتاه و در یک منطقه محدود رخ می‌دهند، نه دنباله‌ای از لرزش‌های کوچکتر پس از یک رویداد بزرگتر. در حالی که هر آتشفشان، از جمله «یلو استون»، ویژگی‌های منحصر به فرد خود را دارد، الگوهای مشاهده شده در این دسته‌ها بینش‌های ارزشمندی را ارائه می‌دهند.
وی افزود: درک این الگوهای لرزه‌ای همچنین می‌تواند به بهبود پروتکل‌های ایمنی، ارائه اطلاعات واضح‌تر درباره خطرات به عموم مردم و هدایت توسعه انرژی زمین‌گرمایی با اجتناب از مناطق خطرناک با جریان گرمای بالا کمک کند.
هوش مصنوعی به کمک کشف زلزله‌های پنهان می‌آید
کارشناسان قبل از استفاده از یادگیری هوش مصنوعی، مجبور بودند داده‌های زلزله را به صورت دستی بررسی کنند که این فرآیند، کند و پرهزینه بود و اغلب بسیاری از رویدادهای کوچکتر از دست می‌رفت.
امروزه یادگیری این سامانه به دانشمندان اجازه می‌دهد تا حجم عظیمی از داده‌های لرزه‌ای تاریخی ذخیره شده در پایگاه‌های داده در سراسر جهان را بررسی کنند. رویکرد جدید، زلزله‌های بسیار بیشتری را کشف می‌کند و به دانشمندان کمک می‌کند تا هم مناطق لرزه‌ای شناخته شده و هم پنهان در سراسر جهان را بهتر درک کنند. پروفسور «لی» خاطرنشان کرد: بررسی دستی حجم عظیمی از داده‌های لرزه‌ای به سادگی امکان‌پذیر یا مقیاس‌پذیر نیست.
این مطالعه همچنین نشان می‌دهد که دسته‌های زلزله در زیر «غول دهانه یلو استون» در طول ساختارهای گسل نسبتاً جوان و ناهموار رخ می‌دهند که با گسل‌های توسعه‌یافته‌تر و صاف‌تر در مکان‌هایی مانند جنوب کالیفرنیا و مناطق خارج از «غول دهانه یلو استون» متفاوت است. این تمایز به دانشمندان کمک می‌کند رفتار لرزه‌ای منحصر به فرد را بهتر درک کنند.
دانشمندان تأکید کردند: با داشتن یک فهرست دقیق و قابل اعتماد از فعالیت‌های لرزه‌ای در زیر «غول دهانه یلو استون»، اکنون می‌توانیم از روش‌های آماری پیشرفته برای شناسایی و بررسی دسته‌های زلزله که قبلاً شناسایی نشده بودند، استفاده کنیم و این فرآیند را عمیق‌تر درک کنیم. 
این مطالعه در مجله Science Advances منتشر شده است.