به گزارش خبرگزاری مهر به نقل از اینترستینگ انجینرینگ، گروهی از محققان دانشگاه استنفورد به رهبری مصطفی موسوی با استفاده از هوش مصنوعی روشی برای ارتقای قابلیت خوانش امواج ارتعاشی زمین ابداع کرده‌اند و به عبارت دیگر درک انسان از چگونگی شروع ارتعاشات و حتی چگونگی پایان یافتن آنها را بهبود می‌دهند.
در گزارشی که در نشریه «نیچر کامونیکیشنز» منتشر شده، جزئیات روشی توضیح داده شده که همزمان با دریافت سروصدای مربوط به لرزه‌ها، به طور خودکار زلزله را ردیابی می‌کند.
موسوی و همکارانش با استفاده از هوش مصنوعی روی میلیون‌ها تغییر ریز و نامحسوس در پوسته زمین تمرکز کردند. آنها امیدوارند با استفاده از این حرکات کوچک علائم هشدار دهنده درباره وقوع زلزله‌های بزرگ را رمز گشایی کنند.
گرگوری بروزا یکی از مؤلفان این پژوهش می‌گوید: با بهبود توانایی‌مان در ردیابی و مکان‌یابی این زلزله‌های کوچک می‌توان به چشم‌انداز واضح‌تری از تعامل لرزه‌ها در طول گسل‌ها، شروع و توقف آنها دست یافت.
این محققان چند سیستم یادگیری ماشینی برای ردیابی زلزله توسعه داده‌اند که یکی از آنها CRED نام دارد و در سال ۲۰۱۹ میلادی ساخته شده است. این سیستم با الهام از الگوریتم‌های دستیارهای صوتی توسعه یافته که با صوت فعال می‌شوند.
در پژوهش جدید، تازه‌ترین نسخه این سیستم توضیح داده شده است. این مدل می‌تواند لرزه‌های بسیار کوچک با سیگنال‌های ضعیف را ردیابی کند که معمولاً در روش‌های فعلی نادیده گرفته می‌شوند. این سیستم جدید مبدل زلزله (Earthquake Transformer) نامیده شده و با استفاده از مکانیسم توجه مقدار زیادی از داده‌ها را پردازش و مهم‌ترین عناصر آنها را استفاده می‌کند.
پژوهشگران با کمک اطلاعاتی شامل یک میلیون لرزه نگاری دستی ثبت شده در دو دهه اخیر در سطح جهان (به استثنای ژاپن) به این سیستم آموزش دادند. در مرحله بعد آنها از اطلاعاتی که طی ۵ هفته مداوم در زمان زلزله ۶.۶ ریشتری توتوری در ژاپن ثبت شده بود، برای تست سیستم استفاده کردند.
این سیستم در طول آزمایش، ۲۱ هزار و ۹۲ رویداد را شناسایی و مکان‌یابی کرد که بیش از دو و نیم برابر تعداد زمین لرزه‌هایی است که با دستگاه‌های دستی شناسایی شده است. محققان ژاپنی در اصل برای مطالعه این زلزله از اطلاعات ۵۷ ایستگاه استفاده کردند، حال آنکه در سیستم جدید فقط از اطلاعات ۱۸ ایستگاه استفاده شد.
به گفته بروزا، هم اکنون می‌توان از این سیستم برای شناسایی زمین لرزه‌ها در زمان واقعی و به صورت زنده استفاده کرد.