एक नवीन पद्धत जी भूकंप आफ्टरशॉक्सचा अंदाज लावण्यास मदत करू शकते

एक नवीन कृत्रिम बुद्धिमत्ता दृष्टिकोन भूकंपानंतर आफ्टरशॉकच्या स्थानाचा अंदाज लावण्यास मदत करू शकतो

An भूकंप मध्ये भूगर्भातील खडक असताना उद्भवणारी एक घटना आहे पृथ्वीची भूगर्भीय दोष रेषेभोवती कवच ​​अचानक तुटते. यामुळे ऊर्जा जलद सोडली जाते ज्यामुळे भूकंपाच्या लाटा निर्माण होतात ज्यामुळे जमिनीचा थरकाप होतो आणि भूकंपाच्या वेळी हीच खळबळ उडाली. ज्या ठिकाणी खडक फुटतो त्याला फोकस ऑफ द म्हणतात भूकंप आणि त्याच्या वर जमिनीवर असलेल्या जागेला 'केंद्र केंद्र' म्हणतात. सोडलेली ऊर्जा परिमाण म्हणून मोजली जाते, भूकंप किती ऊर्जावान होता याचे वर्णन करणारा एक स्केल. २ रिश्टर स्केलचा भूकंप क्वचितच जाणवू शकतो आणि तो केवळ संवेदनशील विशेष उपकरणे वापरूनच नोंदवला जाऊ शकतो. भूकंप 8 पेक्षा जास्त तीव्रतेमुळे जमीन जोरदारपणे हलू शकते. भूकंपानंतर साधारणपणे सारख्याच यंत्रणेद्वारे अनेक आफ्टरशॉक येतात आणि जे तितकेच विनाशकारी असतात आणि त्यांची तीव्रता आणि तीव्रता मूळ भूकंपासारखीच असते. असे भूकंपानंतरचे धक्के साधारणपणे पहिल्या तासाच्या आत किंवा मुख्य धक्क्यानंतर एका दिवसात होतात भूकंप. आफ्टरशॉक्सच्या स्थानिक वितरणाचा अंदाज बांधणे खूप आव्हानात्मक आहे.

शास्त्रज्ञांनी आफ्टरशॉकचा आकार आणि वेळ यांचे वर्णन करण्यासाठी प्रायोगिक नियम तयार केले आहेत परंतु त्यांचे स्थान निश्चित करणे अद्याप एक आव्हान आहे. गुगल आणि हार्वर्ड युनिव्हर्सिटीच्या संशोधकांनी मूल्यांकनासाठी एक नवीन पद्धत तयार केली आहे भूकंप आणि त्यांच्या अभ्यासात कृत्रिम बुद्धिमत्ता तंत्रज्ञानाचा वापर करून आफ्टरशॉकच्या स्थानाचा अंदाज लावणे ^{निसर्ग}. त्यांनी विशेषतः मशीन लर्निंगचा वापर केला – कृत्रिम बुद्धिमत्तेचा एक पैलू. मशीन लर्निंग पध्दतीमध्ये, मशीन डेटाच्या संचावरून 'शिकते' आणि हे ज्ञान प्राप्त केल्यानंतर ते नवीन डेटाबद्दल अंदाज बांधण्यासाठी या माहितीचा वापर करण्यास सक्षम होते.

संशोधकांनी प्रथम डीप लर्निंग अल्गोरिदम वापरून जागतिक भूकंपांच्या डेटाबेसचे विश्लेषण केले. डीप लर्निंग हा मशीन लर्निंगचा एक प्रगत प्रकार आहे ज्यामध्ये न्यूरल नेटवर्क मानवी मेंदूच्या विचार प्रक्रियेची नक्कल करण्याचा प्रयत्न करतात. पुढे, त्यांनी सक्षम होण्याचे उद्दिष्ट ठेवले अंदाज आफ्टरशॉक्स यादृच्छिक अंदाजापेक्षा चांगले आहेत आणि आफ्टरशॉक्स कुठे होतील या समस्येचे निराकरण करण्याचा प्रयत्न करा. जगभरातील 199 हून अधिक मोठ्या भूकंपांवरून गोळा केलेली निरीक्षणे सुमारे 131,000 मेनशॉक-आफ्टरशॉक जोड्यांसह वापरली गेली. ही माहिती भौतिकशास्त्र-आधारित मॉडेलसह एकत्रित केली गेली आहे जे कसे वर्णन करते पृथ्वी नंतर ताणलेले आणि तणावपूर्ण होईल भूकंप जे नंतर आफ्टरशॉक्स ट्रिगर करेल. त्यांनी 5 किलोमीटर-चौरस ग्रिड तयार केले ज्यामध्ये प्रणाली आफ्टरशॉकची तपासणी करेल. न्यूरल नेटवर्क नंतर मुख्य भूकंपामुळे होणारे ताण आणि आफ्टरशॉक्सचे स्थान यांच्यात संबंध निर्माण करेल. एकदा का न्यूरल नेटवर्क सिस्टीम या पद्धतीने प्रशिक्षित झाल्यानंतर, ते आफ्टरशॉकच्या स्थानाचा अचूक अंदाज लावू शकले. हा अभ्यास अत्यंत आव्हानात्मक होता कारण त्यात भूकंपाचा जटिल वास्तविक-जगाचा डेटा वापरला गेला. संशोधक पर्यायाने सेट कृत्रिम आणि अंदाज तयार करण्यासाठी 'आदर्श' भूकंपाचे प्रकार आणि नंतर अंदाज तपासले. न्यूरल नेटवर्क आउटपुट पाहता, त्यांनी आफ्टरशॉक्सच्या अंदाजावर नियंत्रण ठेवण्यासाठी कोणत्या भिन्न 'प्रमाणां'ची शक्यता आहे याचे विश्लेषण करण्याचा प्रयत्न केला. अवकाशीय तुलना केल्यानंतर, संशोधक निष्कर्षापर्यंत पोहोचले की सामान्य आफ्टरशॉक पॅटर्न भौतिकदृष्ट्या 'व्याख्या करण्यायोग्य' होता. संघ सुचवितो की विचलित ताण तणावाचा दुसरा प्रकार - ज्याला फक्त J2 म्हटले जाते - एक प्रमाण की आहे. हे प्रमाण अत्यंत व्याख्या करण्यायोग्य आहे आणि नियमितपणे धातूशास्त्र आणि इतर क्षेत्रात वापरले जाते परंतु भूकंपाचा अभ्यास करण्यासाठी यापूर्वी कधीही वापरलेले नाही.

भूकंपाच्या आफ्टरशॉक्समुळे आणखी दुखापत होते, मालमत्तेचे नुकसान होते आणि बचाव कार्यात अडथळा निर्माण होतो त्यामुळे ते मानवतेसाठी जीव वाचवणारे ठरतील असा अंदाज आहे. वास्तविक वेळेचा अंदाज या क्षणी कदाचित शक्य होणार नाही कारण सध्याचे AI मॉडेल विशिष्ट प्रकारच्या आफ्टरशॉक आणि साध्या भूगर्भीय फॉल्ट लाइनला सामोरे जाऊ शकतात. हे महत्त्वाचे आहे कारण भूगर्भीय दोष रेषांची भूमिती वेगवेगळ्या भौगोलिक स्थानांवर असते. ग्रह. त्यामुळे, हे सध्या जगभरातील वेगवेगळ्या प्रकारच्या भूकंपांना लागू होणार नाही. असे असले तरी, कृत्रिम बुद्धिमत्ता तंत्रज्ञान भूकंपासाठी योग्य दिसते कारण n व्हेरिएबल्सचा अभ्यास करताना विचार करणे आवश्यक आहे, उदाहरणार्थ धक्क्याची ताकद, टेक्टोनिक प्लेट्सची स्थिती इ.

न्यूरल नेटवर्क्सची रचना कालांतराने सुधारण्यासाठी केली जाते, म्हणजे सिस्टममध्ये अधिक डेटा दिल्याने, अधिक शिक्षण होते आणि सिस्टममध्ये सातत्याने सुधारणा होते. भविष्यात अशी प्रणाली भूकंपशास्त्रज्ञांद्वारे वापरल्या जाणार्‍या अंदाज प्रणालीचा अविभाज्य भाग असू शकते. भूकंपाच्या वर्तनाच्या ज्ञानावर आधारित नियोजक आपत्कालीन उपाय देखील लागू करू शकतात. भूकंपाच्या तीव्रतेचा अंदाज घेण्यासाठी टीमला आर्टिफिशियल इंटेलिजन्स तंत्रज्ञानाचा वापर करायचा आहे.

***

स्त्रोत

DeVries PMR et al. 2018. मोठ्या भूकंपानंतर आफ्टरशॉक पॅटर्नचे सखोल शिक्षण. निसर्ग५६०(७७२०). डीओआय: https://doi.org/10.1038/s41586-018-0438-y

***