هوش مصنوعی یک گام دیگر به پیشبینی زلزله نزدیک شد
به گزارش ایتنا، پژوهشی که نتایج آن در نشریه Nature Communications منتشر شده است، از یک روش پیشرفته «یادگیری ماشینی بدون نظارت» بهره میبرد؛ روشی که به سامانههای هوش مصنوعی امکان میدهد بدون نیاز به تعریف شاخصهای اولیه از سوی پژوهشگران، حجم عظیمی از دادههای لرزهای را تحلیل کرده و الگوها و ارتباطات پنهان میان آنها را شناسایی کنند.
بررسی «خانوادههای زلزله» با کمک هوش مصنوعی
این مطالعه توسط پژوهشگران مرکز تحقیقات علوم زمین هلمهولتز آلمان (GFZ) با همکاری گروهی از دانشمندان بینالمللی انجام شده است.
در این روش، به جای بررسی هر زمینلرزه بهعنوان یک رویداد مستقل، مجموعهای از لرزشهای مرتبط موسوم به «خانوادههای زلزله» تحلیل میشوند. در این تحلیل، ارتباط میان زمینلرزهها بر اساس زمان، مکان و بزرگی آنها بررسی میشود تا تغییرات تدریجی در رفتار گسلها شناسایی شود.
پژوهشگران معتقدند مطالعه این ارتباطها میتواند تصویری دقیقتر از نحوه تجمع تنش در پوسته زمین و روند تحول گسلها پیش از وقوع برخی زمینلرزههای بزرگ ارائه دهد.
نشانههایی که پیش از برخی زلزلههای بزرگ دیده شد
دانشمندان این فناوری را روی چند زمینلرزه مهم سالهای اخیر آزمایش کردند؛ از جمله زلزله قهرمانمرعش ترکیه در سال ۲۰۲۳ با بزرگی ۷.۸ ریشتر، زلزله ایکوئیک شیلی در سال ۲۰۱۴ با بزرگی ۸.۱ ریشتر و زلزله لاکویلا ایتالیا در سال ۲۰۰۹.
نتایج نشان داد پیش از وقوع برخی از این زمینلرزهها، تغییرات ظریفی در الگوی لرزشهای کوچک رخ داده بود. این تغییرات شامل افزایش تجمع زمینلرزههای خفیف در نواحی مشخص و افزایش تعامل میان آنها بود؛ نشانههایی که میتوانند از تغییر در الگوی تجمع تنش در گسلها حکایت داشته باشند.
به گفته پژوهشگران، این وضعیت ممکن است نشاندهنده مرحلهای انتقالی باشد که در آن گسل، پیش از وقوع زمینلرزه اصلی، از رفتار معمول خود فاصله میگیرد.
هنوز نمیتوان زمان زلزله را پیشبینی کرد
با وجود نتایج امیدوارکننده، پژوهشگران تأکید میکنند که این الگوها برای همه زمینلرزهها صدق نمیکند و هنوز نمیتوان از آنها بهعنوان روشی قطعی برای پیشبینی زلزله استفاده کرد.
در این مطالعه مشخص شد برخی زمینلرزههای بزرگ، از جمله زلزله آماتریچه ایتالیا در سال ۲۰۱۶ و زلزله نوتو ژاپن در سال ۲۰۲۴، بدون مشاهده چنین تغییراتی رخ دادهاند. این موضوع نشان میدهد برخی گسلها ممکن است بدون بروز علائم قابل تشخیص، فعال شوند.
گامی به سوی پایش هوشمندتر زمینلرزهها
محققان علاوه بر تحلیل زلزلههای گذشته، عملکرد این سامانه هوش مصنوعی را در پایش لحظهای فعالیتهای لرزهای نیز آزمایش کردند. در این روش، دادههای جدید بهطور مداوم با الگوهای طبیعی هر منطقه مقایسه میشود تا هرگونه تغییر غیرعادی در رفتار گسلها شناسایی شود.
پژوهشگران تأکید میکنند این فناوری در حال حاضر ابزاری برای پیشبینی دقیق زمان وقوع زلزله نیست، بلکه میتواند به شناخت بهتر رفتار گسلها و شناسایی تغییراتی کمک کند که در برخی موارد پیش از زمینلرزههای بزرگ رخ میدهند. به باور آنها، چنین سامانههایی در آینده میتوانند نقش مهمی در توسعه سیستمهای پایش لرزهای هوشمند و ارتقای تحقیقات زمینشناسی ایفا کنند.
