هوش مصنوعی موفق به کشف زلزلههای پنهان شد

مطالعهای جدید مبتنی بر هوش مصنوعی، سوابق زلزلههای «غول دهانه یلوستون» را تا ۱۰ برابر گسترش داد.
بر اساس مطالعهای تازه، منطقه «غول دهانه یلو استون» بین سالهای ۲۰۰۸ تا ۲۰۲۲ شاهد بیش از ۸۶ هزار رویداد لرزهای بوده است. این منطقه آتشفشانی که بخشهایی از ایالتهای وایومینگ، آیداهو و مونتانا را دربرمیگیرد، یکی از فعالترین مناطق لرزهای جهان به شمار میرود. این غول دهانه زمانی شکل میگیرد که پس از فوران آتشفشان و تخلیه اتاقک ماگمای زیرین، زمین در بالا فرو میریزد و فرورفتگی عظیمی به وجود میآید.
در مطالعهای پیشگامانه که توسط پروفسور «بینگ لی» از دانشگاه وسترن کانادا و تیمی بینالمللی با همکاری دانشگاه صنعتی سانتاندر کلمبیا و سازمان زمینشناسی آمریکا انجام شد، از هوش مصنوعی برای تحلیل ۱۵ سال دادههای لرزهای یلو استون بهره گرفته شد. با استفاده از این فناوری، تعداد رویدادهای ثبت شده تا ده برابر افزایش یافت و بزرگی آنها نیز با دقت بیشتری تعیین شد؛ دستاوردی که چشمانداز تازهای از پویاییهای زیرسطحی این منطقه ارائه میدهد و امکان ارزیابی بهتر خطرات آتشفشانی را فراهم میکند.
یکی از یافتههای مهم مطالعه این است که بیش از نیمی از زلزلهها در قالب «دستههای زلزله» (swarms) رخ دادهاند؛ یعنی خوشههایی از لرزشهای کوچک و مرتبط که در بازه زمانی کوتاه و در منطقهای محدود بروز میکنند. این الگوها به دانشمندان کمک میکند رفتار پیچیده سامانههای زیرسطحی یلو استون را بهتر درک کنند.
قبل از بهرهگیری از هوش مصنوعی، تحلیل دادههای زلزله به صورت دستی انجام میشد که فرآیندی زمانبر و پرهزینه بود و بسیاری از رویدادهای کوچک از دست میرفتند. حالا با فناوری یادشده، حجم عظیمی از دادههای لرزهای با سرعت و دقت بالا تحلیل شده و زلزلههای پنهان کشف میشوند.
مطالعه همچنین نشان داد که این دستههای زلزله عمدتاً در ساختارهای گسل نسبتاً جوان و ناهموار زیر یلو استون رخ میدهند؛ وضعیتی که با گسلهای صافتر و توسعهیافتهتر در مناطق دیگر مانند جنوب کالیفرنیا تفاوت دارد و این تفاوت به فهم بهتر رفتار لرزهای منحصربهفرد این منطقه کمک میکند.
پژوهشگران تأکید کردند که داشتن فهرست دقیق و قابل اعتماد از فعالیتهای لرزهای زیر یلو استون، امکان بهرهگیری از روشهای آماری پیشرفته برای شناسایی و بررسی بهتر دستههای زلزله را فراهم کرده و درک عمیقتری از فرآیندهای زیرسطحی ارائه میدهد.
این مطالعه که در مجله Science Advances منتشر شده، میتواند به بهبود پروتکلهای ایمنی، اطلاعرسانی بهتر به مردم و مدیریت هوشمند انرژی زمینگرمایی با اجتناب از مناطق پرخطر کمک کند.
منبع: ایسنا