ఒక నవల కృత్రిమ మేధస్సు విధానం భూకంపం తర్వాత భూకంపం యొక్క స్థానాన్ని అంచనా వేయడంలో సహాయపడుతుంది
An భూకంపం భూగర్భంలో శిలలు ఏర్పడినప్పుడు ఏర్పడే దృగ్విషయం భూమి యొక్క క్రస్ట్ అకస్మాత్తుగా భౌగోళిక తప్పు రేఖ చుట్టూ విరిగిపోతుంది. ఇది వేగంగా విడుదలయ్యే శక్తిని కలిగిస్తుంది, ఇది భూకంప తరంగాలను ఉత్పత్తి చేస్తుంది, ఇది భూమిని కదిలిస్తుంది మరియు ఇది భూకంపం సమయంలో మనం పడిపోయిన అనుభూతి. రాయి విరిగిపోయే ప్రదేశాన్ని ఫోకస్ ఆఫ్ ది అంటారు భూకంపం మరియు భూమిపై దాని పైన ఉన్న ప్రదేశాన్ని 'ఎపిసెంటర్' అంటారు. విడుదలైన శక్తిని మాగ్నిట్యూడ్‌గా కొలుస్తారు, భూకంపం ఎంత శక్తివంతమైనదో వివరించడానికి ఒక స్కేల్. 2 తీవ్రతతో సంభవించే భూకంపం కేవలం గ్రహించదగినది కాదు మరియు సున్నితమైన ప్రత్యేక పరికరాలను ఉపయోగించడం ద్వారా మాత్రమే రికార్డ్ చేయబడుతుంది. భూకంపాలు 8 కంటే ఎక్కువ పరిమాణం భూమి గమనించదగ్గ విధంగా చాలా గట్టిగా వణుకుతుంది. భూకంపం సాధారణంగా ఒకే విధమైన యంత్రాంగం ద్వారా సంభవించే అనేక అనంతర ప్రకంపనల ద్వారా సంభవిస్తుంది మరియు అవి సమానంగా వినాశకరమైనవి మరియు వాటి తీవ్రత మరియు తీవ్రత చాలా రెట్లు అసలు భూకంపం వలె ఉంటాయి. ఇటువంటి భూకంపం తర్వాత ప్రకంపనలు సాధారణంగా మొదటి గంట లేదా ప్రధాన తర్వాత ఒక రోజులో సంభవిస్తాయి భూకంపం. అనంతర ప్రకంపనల యొక్క ప్రాదేశిక పంపిణీని అంచనా వేయడం చాలా సవాలుగా ఉంది.
అనంతర ప్రకంపనల పరిమాణం మరియు సమయాన్ని వివరించడానికి శాస్త్రవేత్తలు అనుభావిక చట్టాలను రూపొందించారు, అయితే వాటి స్థానాన్ని గుర్తించడం ఇప్పటికీ సవాలుగా ఉంది. గూగుల్ మరియు హార్వర్డ్ యూనివర్సిటీ పరిశోధకులు అంచనా వేయడానికి కొత్త విధానాన్ని రూపొందించారు భూకంపాలు మరియు ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ టెక్నాలజీని ఉపయోగించి ఆఫ్టర్‌షాక్‌ల స్థానాన్ని అంచనా వేయడంలో ప్రచురించబడిన వారి అధ్యయనంలో ప్రకృతి. వారు ప్రత్యేకంగా మెషిన్ లెర్నింగ్‌ను ఉపయోగించారు - కృత్రిమ మేధస్సు యొక్క అంశం. మెషీన్ లెర్నింగ్ విధానంలో, ఒక యంత్రం డేటా సమితి నుండి 'నేర్చుకుంటుంది' మరియు ఈ జ్ఞానాన్ని పొందిన తర్వాత కొత్త డేటా గురించి అంచనాలు వేయడానికి ఈ సమాచారాన్ని ఉపయోగించగలుగుతుంది.
లోతైన అభ్యాస అల్గారిథమ్‌లను ఉపయోగించి పరిశోధకులు మొదట ప్రపంచ భూకంపాల డేటాబేస్‌ను విశ్లేషించారు. డీప్ లెర్నింగ్ అనేది మెషీన్ లెర్నింగ్ యొక్క అధునాతన రకం, దీనిలో న్యూరల్ నెట్‌వర్క్‌లు మానవ మెదడు యొక్క ఆలోచనా విధానాన్ని ప్రయత్నించి అనుకరిస్తాయి. తరువాత, వారు చేయగలరని లక్ష్యంగా పెట్టుకున్నారు సూచన యాదృచ్ఛికంగా ఊహించడం కంటే ఆఫ్టర్‌షాక్‌లు మెరుగ్గా ఉంటాయి మరియు అనంతర ప్రకంపనలు సంభవించే 'ఎక్కడ' అనే సమస్యను పరిష్కరించడానికి ప్రయత్నించండి. ప్రపంచవ్యాప్తంగా 199 కంటే ఎక్కువ ప్రధాన భూకంపాల నుండి సేకరించిన పరిశీలనలు దాదాపు 131,000 మెయిన్‌షాక్-ఆఫ్టర్‌షాక్ జతలతో ఉపయోగించబడ్డాయి. ఈ సమాచారం భౌతిక శాస్త్ర-ఆధారిత నమూనాతో మిళితం చేయబడింది, ఇది ఎలా చేయాలో వివరిస్తుంది భూమి ఒక తర్వాత ఒత్తిడి మరియు ఉద్రిక్తత ఉంటుంది భూకంపం ఇది తర్వాత ప్రకంపనలను ప్రేరేపిస్తుంది. వారు 5 కిలోమీటర్ల చదరపు గ్రిడ్‌లను సృష్టించారు, దానిలో సిస్టమ్ ఆఫ్టర్‌షాక్ కోసం తనిఖీ చేస్తుంది. న్యూరల్ నెట్‌వర్క్ అప్పుడు ప్రధాన భూకంపం మరియు అనంతర ప్రకంపనల ప్రదేశం వల్ల కలిగే జాతుల మధ్య సంబంధాలను ఏర్పరుస్తుంది. ఈ పద్ధతిలో న్యూరల్ నెట్‌వర్క్ సిస్టమ్ బాగా శిక్షణ పొందిన తర్వాత, ఇది ఆఫ్టర్‌షాక్‌ల స్థానాన్ని ఖచ్చితంగా అంచనా వేయగలిగింది. భూకంపాల యొక్క సంక్లిష్ట వాస్తవ-ప్రపంచ డేటాను ఉపయోగించినందున అధ్యయనం చాలా సవాలుగా ఉంది. పరిశోధకులు ప్రత్యామ్నాయంగా ఏర్పాటు చేశారు కృత్రిమ మరియు 'ఆదర్శ' భూకంపాలు భవిష్యత్‌లను రూపొందించడానికి మరియు అంచనాలను పరిశీలించడానికి. న్యూరల్ నెట్‌వర్క్ అవుట్‌పుట్‌ను పరిశీలిస్తే, వారు ఆఫ్టర్‌షాక్‌లను అంచనా వేయడాన్ని నియంత్రించే వివిధ 'పరిమాణాలు' ఏమిటో విశ్లేషించడానికి ప్రయత్నించారు. ప్రాదేశిక పోలికలు చేసిన తర్వాత, పరిశోధకులు ఒక సాధారణ ఆఫ్టర్‌షాక్ నమూనా భౌతికంగా 'వ్యాఖ్యానించదగినది' అని ఒక నిర్ధారణకు వచ్చారు. డీవియేటరిక్ స్ట్రెస్ టెన్షన్ యొక్క రెండవ రూపాంతరం - కేవలం J2 అని పిలవబడే పరిమాణం కీని కలిగి ఉందని బృందం సూచిస్తుంది. ఈ పరిమాణం చాలా అర్థం చేసుకోదగినది మరియు లోహశాస్త్రం మరియు ఇతర రంగాలలో మామూలుగా ఉపయోగించబడుతుంది కానీ భూకంపాలను అధ్యయనం చేయడానికి మునుపెన్నడూ ఉపయోగించలేదు.
భూకంపాల యొక్క అనంతర ప్రకంపనలు మరింత గాయాలు, ఆస్తి నష్టం మరియు రెస్క్యూ ప్రయత్నాలకు ఆటంకం కలిగిస్తాయి కాబట్టి అవి మానవాళికి ప్రాణాలను రక్షించగలవని అంచనా వేస్తుంది. ప్రస్తుత AI మోడల్‌లు నిర్దిష్ట రకమైన ఆఫ్టర్‌షాక్ మరియు సాధారణ జియోలాజికల్ ఫాల్ట్ లైన్‌తో మాత్రమే వ్యవహరించగలవు కాబట్టి నిజ సమయ సూచన ఈ క్షణంలో సాధ్యం కాకపోవచ్చు. భౌగోళిక దోష రేఖలు విభిన్న భౌగోళిక ప్రదేశంలో వేర్వేరు జ్యామితిని కలిగి ఉంటాయి కాబట్టి ఇది చాలా ముఖ్యం. గ్రహం. కాబట్టి, ప్రస్తుతం ప్రపంచవ్యాప్తంగా వివిధ రకాల భూకంపాలకు ఇది వర్తించకపోవచ్చు. అయినప్పటికీ, ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ టెక్నాలజీ భూకంపాలకు అనువైనదిగా కనిపిస్తుంది ఎందుకంటే వాటిని అధ్యయనం చేసేటప్పుడు పరిగణించాల్సిన n సంఖ్య వేరియబుల్స్, ఉదాహరణకు షాక్ యొక్క బలం, టెక్టోనిక్ ప్లేట్ల స్థానం మొదలైనవి.
న్యూరల్ నెట్‌వర్క్‌లు కాలక్రమేణా మెరుగుపరచడానికి రూపొందించబడ్డాయి, అనగా సిస్టమ్‌లోకి ఎక్కువ డేటా అందించబడినందున, మరింత అభ్యాసం జరుగుతుంది మరియు సిస్టమ్ స్థిరంగా మెరుగుపడుతుంది. భవిష్యత్తులో ఇటువంటి వ్యవస్థ భూకంప శాస్త్రవేత్తలు ఉపయోగించే ప్రిడిక్షన్ సిస్టమ్‌లలో అంతర్భాగంగా ఉంటుంది. భూకంప ప్రవర్తనపై అవగాహన ఆధారంగా ప్లానర్లు అత్యవసర చర్యలను కూడా అమలు చేయవచ్చు. భూకంపాల తీవ్రతను అంచనా వేయడానికి ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ టెక్నాలజీని ఉపయోగించాలని బృందం కోరుకుంటోంది.
***
{ఉదహరించబడిన మూలం(ల) జాబితాలో దిగువ ఇవ్వబడిన DOI లింక్‌ను క్లిక్ చేయడం ద్వారా మీరు అసలు పరిశోధనా పత్రాన్ని చదవవచ్చు}
మూల (లు)
డెవ్రీస్ PMR మరియు ఇతరులు. 2018. పెద్ద భూకంపాల తర్వాత ఆఫ్టర్‌షాక్ నమూనాల గురించి లోతైన అభ్యాసం. ప్రకృతి560 (7720).
https://doi.org/10.1038/s41586-018-0438-y
***
