محققان موفق شده اند با استفاده از فناوری یادگیری ماشین و هوش مصنوعی گسترش شکستگی ها در گسل آناتولی ترکیه را شناسایی کنند.

به گزارش خبرنگار حوزه دریچه فناوری گروه فضای مجازی باشگاه خبرنگاران جوان، مقالات پژوهشی خیلی سریع در دسترس همه قرار می‌گیرند تا افراد بتوانند آن‌ها را مطالعه کنند؛ به ویژه در زمینه یادگیری ماشین که اکنون تقریبا بر هر صنعت و شرکتی تاثیر می‌گذارد. تعدادی از پروژه‌های تحقیقاتی که اخیرا منتشر شده است، برای درک بیشتر یا پیش‌بینی بهتر این پدیده‌ها از یادگیری ماشینی استفاده کرده‌اند. فناوری یادگیری ماشین را می‌توان از بسیاری جهات به نفع کاربران به کار برد، اما در بخش‌هایی مانند لرزه نگاری و زیست شناسی، جایی که داده‌های انبوه زیادی را می‌توان برای آموزش مدل‌های هوش مصنوعی یا به عنوان ماده اولیه مورد استفاده برای بینش استخراج کرد، تحول آور است.


بیشتر بخوانید


استفاده از فناوری یادگیری ماشین برای شناخت زمین لرزه‌ها

تمامی انسان‌ها با پدیده‌های طبیعی روبرو هستند که از درک بعضی از آن‌ها عاجزند. افراد می‌دانند زمین لرزه‌ها و طوفان‌ها از کجا ناشی می‌شوند، اما زمان دقیق وقوع آن‌ها برای مردم مشخص نیست. تعدادی از پروژه‌های تحقیقاتی که اخیرا منتشر شده است، برای درک بهتر و پیش‌بینی این پدیده‌ها از یادگیری ماشینی استفاده کرده‌اند. با استفاده از چندین دهه اطلاعات موجود می‌توان بخشی از این پدیده‌ها را پیش‌بینی کرد. جدیدترین اکتشاف محققان در آزمایشگاه‌های ملی لوس آلاموس، از منبع جدیدی از داده‌ها و همچنین ML برای ثبت رفتارهای دیده نشده در طول گسل‌های زمین لرزه‌‌ای استفاده می‌کند. برای اولین بار گسترش شکستگی‌ها را در امتداد شمال گسل آناتولی در ترکیه مشاهده شد.

فناوری یادگیری ماشین در زمین شناسی

مسئول این پروژه گفت: "رویکرد یادگیری عمیق که ما ایجاد می‌کنیم، امکان تعیین خودکار تغییر شکل کوچک و گذرا را که در گسل‌ها با وضوح بی‌سابقه‌ای رخ می‌دهد، فراهم می‌کند و زمینه را برای مطالعه سیستماتیک تعامل بین زمین لرزه‌های آهسته و منظم در مقیاس جهانی فراهم می‌کند". تلاش دیگری که چند سالی است در استنفورد ادامه دارد کمک می‌کند تا با داده‌های لرزه‌ای نویزدار مقابله کند. با استناد به اطلاعاتی که توسط نرم‌افزارهای قدیمی برای یک میلیاردمین بار در روز تجزیه و تحلیل می‌شد، احساس شد که باید راه بهتری وجود داشته باشد.

جدیدترین مورد روشی برای تحریک شواهد مربوط به زمین لرزه‌های کوچک است که مورد توجه قرار گرفت. هنگامی که بر روی مشاهدات جمع‌آوری شده در زمان وقوع زلزله ۶/۶ ریشتری توتوری ژاپن آزمایش شد، داده‌هایی از ۲۱۰۹۲ رویداد جداگانه به دست محققان رسید که دو برابر از آنچه در بازرسی اولیه پیدا شد بیشتر بود. این ابزار به تنهایی زمین‌ لرزه را پیش‌بینی نمی‌کند، اما درک بهتری از ماهیت واقعی این پدیده‌ها به دانشمندان می‌دهد. گریگوری بروزا، یکی از محققان پروژه‌های تحقیقاتی هوش مصنوعی و فناوری یادگیری ماشین گفت: "با بهبود توانایی ما در شناسایی و مکان‌یابی این زمین لرزه‌های بسیار کوچک، می‌توانیم دید واضح‌تری از نحوه تعامل یا پخش زمین لرزه‌ها در طول گسل، نحوه شروع و حتی نحوه توقف آن‌ها بدست آوریم".

انتهای پیام/

اخبار پیشنهادی
تبادل نظر
آدرس ایمیل خود را با فرمت مناسب وارد نمایید.
آخرین اخبار