سیستم هوش مصنوعی تشخیص زلزله دانشگاه "استنفورد" که تحت رهبری "مصطفی موسوی" دانشمند ایرانی این دانشگاه توسعه یافته، با تشخیص فعالیت‌های لرزه‌ای قادر است وقوع زمین لرزه‌ها را پیش بینی کند.
گروهی از محققان دانشگاه "استنفورد" (Stanford) از روش جدیدی برای استفاده از هوش مصنوعی (AI) رونمایی کرده اند تا توانایی ما را در خواندن امواج لرزه‌ای افزایش داده و با این کار، درک ما از نحوه شروع آن‌ها و حتی چگونگی توقف آن‌ها را بهبود بخشند.
این مطالعه که در مجله Nature Communications منتشر شده، جزئیات روشی را شرح می‌دهد که همزمان با دریافت سر و صدای ذاتی لرزه ها، تشخیص زمین لرزه را به صورت خودکار انجام می‌دهد.
"مصطفی موسوی" و گروهی از محققان دانشگاه استنفورد از هوش مصنوعی برای تمرکز بر میلیون‌ها تغییر کوچک و ظریف در پوسته زمین استفاده می‌کنند. آن‌ها امیدوارند که این حرکات کوچک بتواند برای رمزگشایی علائم هشدار دهنده برای وقوع زمین لرزه‌های بزرگ عمل کند.
"گریگوری بروزا"، ژئوفیزیکدان دانشگاه استنفورد و یکی از محققان این مطالعه توضیح داد: ما با بهبود توانایی خود در شناسایی و مکان یابی این زمین لرزه‌های بسیار کوچک، می‌توانیم دید واضح تری از نحوه تعامل یا پخش زمین لرزه‌ها در طول گسل ها، نحوه شروع و حتی نحوه توقف آن‌ها داشته باشیم.
این تیم چندین سیستم یادگیری ماشین برای شناسایی زلزله ایجاد کرده است. در این میان، سیستم موسوم به "CRED" وجود دارد که در سال 2019 ساخته شده و از الگوریتم‌های صدای محرک در سیستم‌های دستیار مجازی الهام گرفته شده است.
مقاله جدید جزئیات آخرین تلاش این تیم را ارائه می‌دهد؛ مدلی که زمین لرزه‌های بسیار کوچک را با سیگنال‌های ضعیف که معمولاً با روش‌های فعلی نادیده گرفته می‌شوند، تشخیص می‌دهد.
محققان سیستم جدید خود را "Earthquake Transformer" به معنای "مبدل زلزله" نامیده اند. این سیستم از "مکانیسم توجه" برای پردازش مقادیر زیادی از داده‌ها و دریافت مهمترین عناصر آن‌ها استفاده می‌کند.
این تیم به منظور آزمایش "مبدل زلزله"، الگوریتم خود را بر روی داده‌هایی که شامل یک میلیون لرزه نگار دستی ثبت شده در دو دهه گذشته در سطح جهان بود، به استثنای ژاپن آموزش داد. آن‌ها سپس برای آزمایش، پنج هفته داده مداوم ثبت شده در ژاپن در زمان وقوع زمین لرزه 6.6 ریشتری توتوری و پس لرزه‌های آن از 20 سال پیش را انتخاب کردند.
این سیستم در طول آزمایش، 21 هزار و 92 رویداد را شناسایی و مکان یابی کرد که بیش از دو و نیم برابر تعداد زمین لرزه‌هایی است که با دستگاه‌های دستی شناسایی شده است. علاوه بر این، "مبدل زلزله" فقط از داده‌های 18 ایستگاه از 57 ایستگاهی که دانشمندان ژاپنی برای مطالعه استفاده می‌کردند، استفاده کرد.
به گفته "بروزا"، این سیستم اکنون برای شناسایی زمین لرزه‌ها در زمان واقعی و به صورت زنده آماده استفاده است.
وی توضیح داد: نظارت بر زلزله با استفاده از فناوری یادگیری ماشین در زمان واقعی به زودی انجام می‌شود. هرچه اطلاعات بیشتری در مورد ساختار سه بعدی گسل عمیق بدست آوریم، از طریق نظارت بهتر بر زمین لرزه‌های کوچک، بهتر می‌توان زمین لرزه‌هایی را که در آینده در کمین هستند، پیش بینی کرد.
