நிலநடுக்க பின்னடைவுகளை முன்னறிவிக்க உதவும் ஒரு நாவல் முறை

ஒரு புதிய செயற்கை நுண்ணறிவு அணுகுமுறை பூகம்பத்தைத் தொடர்ந்து அதிர்வுகளின் இருப்பிடத்தைக் கணிக்க உதவும்

An பூகம்பம் நிலத்தடியில் பாறைகள் உருவாகும்போது ஏற்படும் ஒரு நிகழ்வு ஆகும் பூமியின் மேலோடு திடீரென புவியியல் பிழைக் கோட்டைச் சுற்றி உடைகிறது. இது அதிவேக ஆற்றலை வெளியிடுகிறது, இது நில அதிர்வு அலைகளை உருவாக்குகிறது, இது பூமியை அசைக்கச் செய்கிறது, இது பூகம்பத்தின் போது நாம் விழுந்த உணர்வு. பாறை உடைக்கும் இடம் ஃபோகஸ் ஆஃப் தி என்று அழைக்கப்படுகிறது பூகம்பம் அதன் மேல் தரையில் உள்ள இடம் 'எபிசென்டர்' எனப்படும். வெளியிடப்பட்ட ஆற்றல் அளவு என அளவிடப்படுகிறது, இது ஒரு பூகம்பம் எவ்வளவு ஆற்றல் வாய்ந்தது என்பதை விவரிக்க ஒரு அளவுகோலாகும். 2 ரிக்டர் அளவிலான நிலநடுக்கம் அரிதாகவே உணரக்கூடியது மற்றும் உணர்திறன் வாய்ந்த சிறப்பு உபகரணங்களைப் பயன்படுத்தி மட்டுமே பதிவு செய்ய முடியும். பூகம்பங்கள் 8 க்கும் அதிகமான அளவு நிலத்தை மிகவும் கடினமாக அசைக்கச் செய்யும். ஒரு பூகம்பம் பொதுவாக ஒரே மாதிரியான பொறிமுறையால் ஏற்படும் பல பின்அதிர்வுகளால் நிகழ்கிறது மற்றும் அவை சமமாக அழிவுகரமானவை மற்றும் பல மடங்கு அவற்றின் தீவிரம் மற்றும் தீவிரம் அசல் பூகம்பத்தைப் போலவே இருக்கும். நிலநடுக்கத்திற்குப் பிந்தைய இத்தகைய நடுக்கம் பொதுவாக முதல் மணிநேரம் அல்லது பிரதானத்திற்குப் பிறகு ஒரு நாளுக்குள் ஏற்படும் பூகம்பம். பின் அதிர்வுகளின் இடப் பரவலை முன்னறிவிப்பது மிகவும் சவாலானது.

அதிர்வுகளின் அளவையும் நேரத்தையும் விவரிக்க விஞ்ஞானிகள் அனுபவச் சட்டங்களை வகுத்துள்ளனர், ஆனால் அவற்றின் இருப்பிடத்தைக் குறிப்பிடுவது இன்னும் சவாலாகவே உள்ளது. கூகுள் மற்றும் ஹார்வர்ட் பல்கலைக்கழக ஆராய்ச்சியாளர்கள் மதிப்பீடு செய்வதற்கான புதிய அணுகுமுறையை வகுத்துள்ளனர் பூகம்பங்கள் மற்றும் செயற்கை நுண்ணறிவு தொழில்நுட்பத்தைப் பயன்படுத்தி நில அதிர்வுகளின் இருப்பிடத்தை முன்னறிவிப்பது அவர்களின் ஆய்வில் வெளியிடப்பட்டுள்ளது ^{இயற்கை}. செயற்கை நுண்ணறிவின் ஒரு அம்சமான இயந்திர கற்றலை அவர்கள் குறிப்பாகப் பயன்படுத்தினர். இயந்திர கற்றல் அணுகுமுறையில், ஒரு இயந்திரம் தரவுகளின் தொகுப்பிலிருந்து 'கற்றுக்கொள்கிறது' மற்றும் இந்த அறிவைப் பெற்ற பிறகு, புதிய தரவுகளைப் பற்றிய கணிப்புகளைச் செய்ய இந்தத் தகவலைப் பயன்படுத்த முடியும்.

ஆழமான கற்றல் வழிமுறைகளைப் பயன்படுத்தி உலகளாவிய பூகம்பங்களின் தரவுத்தளத்தை ஆராய்ச்சியாளர்கள் முதலில் ஆய்வு செய்தனர். ஆழ்ந்த கற்றல் என்பது ஒரு மேம்பட்ட இயந்திர கற்றல் ஆகும், இதில் நரம்பியல் நெட்வொர்க்குகள் மனித மூளையின் சிந்தனை செயல்முறையை முயற்சி செய்து பிரதிபலிக்கின்றன. அடுத்து, அவர்கள் முடியும் என்று இலக்கு வைத்தனர் முன்அறிவிப்பு தற்செயலான யூகங்களை விட பிந்தைய அதிர்வுகள் சிறந்தவை மற்றும் பின்அதிர்வுகள் ஏற்படும் 'எங்கே' என்ற சிக்கலை தீர்க்க முயற்சிக்கவும். உலகெங்கிலும் 199 க்கும் மேற்பட்ட பெரிய பூகம்பங்களிலிருந்து சேகரிக்கப்பட்ட அவதானிப்புகள் சுமார் 131,000 மெயின்ஷாக்-ஆஃப்டர்ஷாக் ஜோடிகளைக் கொண்டதாகப் பயன்படுத்தப்பட்டன. எப்படி என்பதை விவரிக்கும் இயற்பியல் அடிப்படையிலான மாதிரியுடன் இந்தத் தகவல் இணைக்கப்பட்டது பூமியின் ஒரு பிறகு கஷ்டப்பட்டு பதட்டமாக இருக்கும் பூகம்பம் பின் அதிர்வுகளைத் தூண்டும். அவர்கள் 5 கிலோமீட்டர்-சதுர கட்டங்களை உருவாக்கினர், அதற்குள் அமைப்பு பின் அதிர்ச்சியை சரிபார்க்கும். நரம்பியல் வலையமைப்பு பின்னர் முக்கிய பூகம்பத்தால் ஏற்படும் விகாரங்கள் மற்றும் பின் அதிர்வுகளின் இருப்பிடம் ஆகியவற்றுக்கு இடையே உறவுகளை உருவாக்கும். நரம்பியல் நெட்வொர்க் அமைப்பு இந்த முறையில் நன்கு பயிற்சி பெற்றவுடன், பின் அதிர்வுகளின் இருப்பிடத்தை துல்லியமாக கணிக்க முடிந்தது. நிலநடுக்கங்களின் சிக்கலான நிஜ உலகத் தரவைப் பயன்படுத்தியதால் இந்த ஆய்வு மிகவும் சவாலானது. ஆராய்ச்சியாளர்கள் மாற்றாக அமைத்தனர் செயற்கை மற்றும் முன்னறிவிப்புகளை உருவாக்க மற்றும் கணிப்புகளை ஆய்வு செய்ய வகையான 'சிறந்த' பூகம்பங்கள். நரம்பியல் நெட்வொர்க் வெளியீட்டைப் பார்க்கும்போது, ​​பின்அதிர்வுகளின் முன்னறிவிப்பைக் கட்டுப்படுத்தும் வெவ்வேறு 'அளவுகள்' என்ன என்பதை பகுப்பாய்வு செய்ய முயன்றனர். இடஞ்சார்ந்த ஒப்பீடுகளைச் செய்தபின், ஆராய்ச்சியாளர்கள் ஒரு பொதுவான பின்னடைவு முறை உடல் ரீதியாக 'விளக்கம்' என்று ஒரு முடிவுக்கு வந்தனர். விலகல் அழுத்த பதற்றத்தின் இரண்டாவது மாறுபாடு என்று அழைக்கப்படும் அளவு - வெறுமனே J2 என்று அழைக்கப்படுகிறது - விசையை வைத்திருப்பதாக குழு பரிந்துரைக்கிறது. இந்த அளவு மிகவும் புரிந்துகொள்ளக்கூடியது மற்றும் உலோகவியல் மற்றும் பிற துறைகளில் வழக்கமாகப் பயன்படுத்தப்படுகிறது, ஆனால் பூகம்பங்களைப் பற்றி ஆய்வு செய்ய இதற்கு முன்பு பயன்படுத்தப்படவில்லை.

நிலநடுக்கங்களின் பின்னதிர்வுகள் மேலும் காயங்களை ஏற்படுத்துகின்றன, சொத்துக்களை சேதப்படுத்துகின்றன மற்றும் மீட்பு முயற்சிகளுக்கு இடையூறாக இருக்கின்றன, எனவே அவை மனிதகுலத்தின் உயிரைக் காக்கும் என்று கணிப்பது. தற்போதைய AI மாதிரிகள் ஒரு குறிப்பிட்ட வகை அதிர்வு மற்றும் எளிய புவியியல் தவறுகளை மட்டுமே சமாளிக்க முடியும் என்பதால், நிகழ்நேர முன்னறிவிப்பு இந்த நேரத்தில் சாத்தியமில்லை. புவியியல் பிழைக் கோடுகள் பல்வேறு புவியியல் இருப்பிடங்களில் வெவ்வேறு வடிவவியலைக் கொண்டிருப்பதால் இது முக்கியமானது. கிரகம். எனவே, தற்போது உலகம் முழுவதும் பல்வேறு வகையான பூகம்பங்களுக்கு இது பொருந்தாது. ஆயினும்கூட, செயற்கை நுண்ணறிவு தொழில்நுட்பம் பூகம்பங்களுக்கு ஏற்றதாகத் தெரிகிறது, ஏனெனில் அவற்றைப் படிக்கும்போது கருத்தில் கொள்ள வேண்டிய மாறிகள், அதிர்ச்சியின் வலிமை, டெக்டோனிக் தட்டுகளின் நிலை போன்றவை.

நரம்பியல் நெட்வொர்க்குகள் காலப்போக்கில் மேம்படுத்த வடிவமைக்கப்பட்டுள்ளன, அதாவது ஒரு கணினியில் அதிக தரவு வழங்கப்படுவதால், அதிக கற்றல் நடைபெறுகிறது மற்றும் கணினி சீராக மேம்படுகிறது. எதிர்காலத்தில், அத்தகைய அமைப்பு நில அதிர்வு நிபுணர்களால் பயன்படுத்தப்படும் கணிப்பு அமைப்புகளின் ஒருங்கிணைந்த பகுதியாக இருக்கலாம். பூகம்ப நடத்தை பற்றிய அறிவின் அடிப்படையில் திட்டமிடுபவர்கள் அவசரகால நடவடிக்கைகளையும் செயல்படுத்தலாம். பூகம்பத்தின் அளவைக் கணிக்க செயற்கை நுண்ணறிவு தொழில்நுட்பத்தைப் பயன்படுத்த குழு விரும்புகிறது.

***

{மேற்கோள் காட்டப்பட்ட ஆதாரங்களின் பட்டியலில் கீழே கொடுக்கப்பட்டுள்ள DOI இணைப்பைக் கிளிக் செய்வதன் மூலம் அசல் ஆய்வுக் கட்டுரையைப் படிக்கலாம்}

ஆதாரம் (ங்கள்)

DeVries PMR மற்றும் பலர். 2018. பெரிய நிலநடுக்கங்களைத் தொடர்ந்து அதிர்வு வடிவங்களைப் பற்றி ஆழமாக அறிந்துகொள்வது. இயற்கை560 (7720).
https://doi.org/10.1038/s41586-018-0438-y

***