Nov pristop umetne inteligence bi lahko pomagal napovedati lokacijo popotresnih sunkov po potresu
An potres je pojav, ki ga povzroči skala pod zemljo v Zemljin skorja se nenadoma zlomi okoli geološke prelomnice. To povzroči hitro sproščanje energije, ki proizvaja seizmične valove, zaradi katerih se nato zatresejo tla in to je občutek, da smo padli med potresom. Mesto, kjer se skala zlomi, se imenuje žarišče potres in mesto nad njim na tleh se imenuje "epicenter". Sproščena energija se meri kot magnituda, lestvica, ki opisuje, kako močan je bil potres. Potres magnitude 2 je komaj zaznaven in ga je mogoče zabeležiti le z občutljivo specializirano opremo, medtem ko potresi magnitude več kot 8 lahko povzroči občutno zelo močno tresenje tal. Potresu na splošno sledijo številni popotresni sunki, ki nastanejo s podobnim mehanizmom in so enako uničujoči ter so pogosto po intenzivnosti in resnosti podobni prvotnemu potresu. Takšni potresni sunki se običajno pojavijo v prvi uri ali dnevu po glavnem potresu potres. Napovedovanje prostorske porazdelitve popotresnih sunkov je zelo zahtevno.
Znanstveniki so oblikovali empirične zakone za opis velikosti in časa popotresnih sunkov, vendar je natančno določanje njihove lokacije še vedno izziv. Raziskovalci pri Googlu in univerzi Harvard so zasnovali nov pristop k ocenjevanju potresi in napovedovanje lokacije popotresnih sunkov z uporabo tehnologije umetne inteligence v svoji študiji, objavljeni v Narava. Posebej so uporabili strojno učenje – vidik umetne inteligence. Pri pristopu strojnega učenja se stroj 'uči' iz nabora podatkov in po pridobitvi tega znanja je sposoben uporabiti te informacije za napovedovanje novejših podatkov.
Raziskovalci so najprej analizirali bazo podatkov o globalnih potresih z uporabo algoritmov globokega učenja. Globoko učenje je napredna vrsta strojnega učenja, pri kateri nevronske mreže poskušajo posnemati miselni proces človeških možganov. Nato so si prizadevali, da bi lahko napoved popotresnih sunkov bolje kot naključno ugibanje in poskusite rešiti problem, 'kje' se bodo popotresni sunki zgodili. Uporabljena so bila opazovanja, zbrana pri več kot 199 večjih potresih po vsem svetu, ki so sestavljena iz približno 131,000 parov glavni in popotresni sunki. Te informacije so bile združene z modelom, ki temelji na fiziki in opisuje, kako Zemlja bi bil napet in napet po potres ki bodo nato sprožile popotresne sunke. Ustvarili so mrežo s 5 kvadratnimi kilometri, znotraj katere bi sistem preverjal popotresni sunek. Nevronska mreža bi nato oblikovala razmerja med napetostmi, ki jih povzroči glavni potres, in lokacijo popotresnih sunkov. Ko je bil sistem nevronske mreže dobro usposobljen na ta način, je lahko natančno napovedal lokacijo popotresnih sunkov. Študija je bila izjemno zahtevna, saj je uporabljala kompleksne podatke o potresih iz resničnega sveta. Raziskovalci so alternativno postavili umetni in nekakšne 'idealne' potrese za ustvarjanje napovedi in nato preučitev napovedi. Ob pogledu na izhod nevronske mreže so poskušali analizirati, katere različne "količine" bodo verjetno nadzorovale napovedovanje popotresnih sunkov. Po prostorskih primerjavah so raziskovalci prišli do zaključka, da je tipičen vzorec popotresnih sunkov fizično "razlagam". Ekipa predlaga, da je ključna količina, imenovana druga varianta napetosti deviatorične napetosti - preprosto imenovana J2. Ta količina je zelo razumljiva in se rutinsko uporablja v metalurgiji in na drugih področjih, vendar še nikoli ni bila uporabljena za preučevanje potresov.
Popotresni sunki povzročijo nadaljnje poškodbe, poškodujejo lastnino in tudi ovirajo reševalna prizadevanja, zato bi njihovo napovedovanje rešilo človeštvo. Napoved v realnem času morda trenutno ni mogoča, saj se trenutni modeli umetne inteligence lahko ukvarjajo samo z določeno vrsto popotresnih sunkov in preprosto geološko prelomnico. To je pomembno, ker imajo geološke prelomnice različno geometrijo na različnih geografskih lokacijah planet. Zato morda trenutno ni uporaben za različne vrste potresov po svetu. Kljub temu je tehnologija umetne inteligence videti primerna za potrese zaradi n števila spremenljivk, ki jih je treba upoštevati pri njihovem preučevanju, na primer moč sunka, položaj tektonskih plošč itd.
Nevronske mreže so zasnovane tako, da se sčasoma izboljšujejo, tj. ko se v sistem vnese več podatkov, se izvede več učenja in sistem se postopoma izboljšuje. V prihodnosti bi lahko bil tak sistem sestavni del sistemov za napovedovanje, ki jih uporabljajo seizmologi. Načrtovalci bi lahko izvajali tudi nujne ukrepe, ki temeljijo na poznavanju potresnega vedenja. Ekipa želi uporabiti tehnologijo umetne inteligence za napovedovanje magnitude potresov.
***
{Izvirno raziskovalno nalogo lahko preberete s klikom na spodnjo povezavo DOI na seznamu citiranih virov}
Vir (i)
DeVries PMR et al. 2018. Poglobljeno učenje vzorcev popotresnih sunkov po velikih potresih. Narava560 (7720).
https://doi.org/10.1038/s41586-018-0438-y
***
