گروهی از محققان دانشگاه استنفورد از روش جدیدی برای استفاده از هوش مصنوعی در راستای بهبود توانایی ما در مطالعه امواج لرزه ای رونمایی کردند که می تواند به درک بهتر نحوه شروع و پایان زلزله کمک کند.
مقاله این پژوهشگران که در ژورنال « Nature Communications » به چاپ رسیده، جزئیاتی از این روش که همراه با تنظیم نویزهای ذاتی اطلاعات لرزه ای، تشخیص خودکار زلزله را نیز فراهم می کند، به چشم می خورد.
یک محقق ایرانی به نام «مصطفی موسوی» به همراه تیمی از پژوهشگران هوش مصنوعی برای تمرکز روی تغییرات کوچک و ظریف در پوسته زمین تمرکز کردند. آن ها امیدوارند این حرکات ریز بتواند همانند یک «سنگ روزتا» عمل کند و باعث رمزگشایی علائم هشداردهنده زلزله های بزرگ شود.
یکی از نویسندگان این مقاله و ژئوفیزیکدان دانشگاه استنفورد به نام «گریگوری بروزا» در بیانیه ای اعلام کرده:
«با بهبود توانایی ما در شناسایی و مکان یابی این زلزله های بسیار کوچک، می توانیم به دید واضح تری از نحوه تعامل یا پخش زلزله در طول گسل و همچنین نحوه توقف آن دست پیدا کنیم.»
این تیم چندین سیستم یادگیری ماشینی برای تشخیص زلزله توسعه داده که در میان آن ها می توان به «CRED» در سال ۲۰۱۹ اشاره کرد که از الگوریتم های محرک صدا در سیستم های دستیار مجازی الهام گرفته است.
در این مقاله جدید اطلاعاتی از جدیدترین تلاش این تیم وجود دارد که یک مدل برای شناسایی زلزله های بسیار کوچک با سیگنال های ضعیف است که معمولا در روش های کنونی نادیده گرفته می شوند. پژوهشگران سیستم جدید خود را «ترانسفورماتور زلزله» نامگذاری کرده اند که از «مکانیزم توجه» بهره می برد.
برای آزمایش ترانسفورماتور زلزله، ...

هر کدام از تگ‌های فوق را که مناسب این خبر نمی‌دانید، بازدن x آن را حذف کنید. از همکاری شما سپاسگزاریم.
سرخط اخبار