یادگیری ماشین ، تشخیص الگوهای میدان مغناطیسی زمین و استفاده از آنها در پیش بینی زلزله و سونامی
کشور ما یکی از کشورهای زلزله خیز جهان است. تجربه ی تلخ زلزله های سال های گذشته مثل زلزله ی بم، خبرهایی که هر روز از خسارات زلزله و سونامی در سراسر دنیا می شنیدم و از همه مهم تر، سکونت خودم در استان کرمان که یکی از زلزله خیز ترین استان های کشور است همه و همه دست به دست هم دادند تا علاقه مند بشوم بیشتر در زمینه ی مخاطرات طبیعی مطالعه کنم. یکی از دغدغه های من در این مدت این بود که: «چطور می شود قبل از وقوع زلزله آن را پیش بینی کرد و در جای امنی پناه گرفت؟»
یک روز که مشغول جست و جو و مطالعه در این زمینه بودم با مطلب جالبی برخورد کردم: «تکنیک های یادگیری ماشین با شناسایی الگوهای غیرطبیعی میدان مغناطیسی زمین می تواند به ما کمک کند تا سریع تر از قبل، وقوع مخاطرات طبیعی را پیش بینی کنیم.» بعد از خواندن این تیتر کنجکاو شدم و جست و جوی بیشتری انجام دادم. اگر شما هم مثل من کنجکاو شدید که بدانید چگونه می شود مخاطرات طبیعی را پیش بینی کرد، ادامه ی مطلب امروز مجله پروماگ را از دست ندهید.
یادگیری ماشین و کاهش خسارات
پژوهشگران اخیرا توانسته اند برای رسیدن به برآوردی دقیق و سریع از میدان مغناطیسی زمین، از تکنیک های یادگیری ماشین بهره ببرند. دانش یادگیری ماشین یکی از زیرشاخه های هوش مصنوعی است که به کمک آن می توان به رایانه ها آموزش داد. فرایند استفاده از یادگیری ماشین برای رسیدن به برآوردی از میدان مغناطیسی در وهله ی اول نیاز به داده های اولیه داشت. این داده ها از ایستگاه های مختلفی در ژاپن جمع آوری شدند و انجام برآورد میدان ممکن شد. این برآوردها این امکان را به ما می دهد تا تغییراتی را که با زلزله یا سونامی در میدان مغناطیسی رخ می دهد، شناسایی کنیم. بدین منظور از شبکه ی عصبی عمقی استفاده شد. پس از آموزش دادن به شبکه با استفاده از داده های جمع آوری شده، روشی سریع و موثر برای برآورد میدان های مغناطیسی به منظور ردیابی زودرس مخاطرات طبیعی ابداع شد. به نظر می رسد این ابداع برای ساخت سیستم های هشدار موثرتری که منجر به کاهش تلفات و خسارات گسترده شوند حیاتی باشند.
شبکه های عصبی عمیق و تعیین میدان مغناطیسی زمین
یکی از الگوریتم های مورد استفاده در یادگیری ماشین «شبکه ی عصبی عمقی» هستند. این شبکه ها برای تعیین میدان مغناطیسی در مناطق خاصی از زمین به کار گرفته شده اند. خسارات عظیم ناشی از زلزله و سونامی بر کسی پوشیده نیست و همه معتقدند که ساخت ابزارهایی برای پیش بینی وقوع این مخاطرات جزو مهم ترین اولویت ها هستند. البته در حال حاضر سیستم هایی برای هشدار زودرس، دقیقا پیش از رسیدن امواج لرزه ای به سطح زمین، وجود دارند؛ اما هشدارها معمولا بعد از رسیدن امواج ثانویه (امواج S) به زمین داده می شود. امواج S مسئول ایجاد لرزه های نهایی هستند. بنابراین ابزارهایی سریع تر و دقیق تر از پیش برای مطلع ساختن زودهنگام ساکنان، پناه گرفتن آن ها و در نتیجه کاهش خسارات جانی، به شدت مورد نیاز هستند. با کمک تکنیک های یادگیری ماشین می توان مقدمات لازم برای عرضه ی چنین ابزارهایی را فراهم کرد.
زلزله و سونامی چه ربطی به میدان مغناطیسی زمین دارند؟
می دانیم که زلزله ها و سونامی ها همراه با تغییراتی در میدان مغناطیسی زمین محل سانحه هستند. در زلزله این پدیده با نام «اثر پیزو مگنتیک» شناخته می شود. در این پدیده انرژی زیادی که در اثر فشار در امتداد گسل تجمع پیدا کرده به ناگهان آزاد می شود و باعث ایجاد تغییراتی در میدان مغناطیسی می شود. در سونامی، جابه جایی ناگهانی مقادیر فوق العاده زیادی از آب دریا باعث ایجاد ناپایداری در فشار جوی شده و این ناپایداری نیز به نوبه ی خود با تحت تاثیر قرار دادن یونوسفر (لایه پوششی بالای جو که از ورود پرتوهای خطرناک فرابنفش و پرتو ایکس به زمین جلوگیری می کند) باعث ایجاد تغییراتی در میدان مغناطیسی می شود. مهم ترین مزیت چنین روشی سرعت آن است، در نظر داشته باشید که امواج الکترومغناطیسی با سرعت نور حرکت می کنند، در نتیجه ما می توانیم به طور لحظه ای با مشاهده ی تغییرات در میدان مغناطیسی از وقوع حادثه اطلاع پیدا کنیم.
بیشتر بدانید: قطعات یخی در قمر مشتری
اما شاید بپرسید از کجا معلوم می شود که میدان مغناطیسی غیرطبیعی است یا نه؟ میدان مغناطیسی زمین در نواحی مختلف به صورت یک سیگنال نوسانی دریافت می شود، اما متد جدید ابداع شده قابلیت این را دارد که میدان مغناطیسی طبیعی را در هر منطقه شناسایی کند.
روشی نوین برای برآورد میدان مغناطیسی زمین
برای نیل به این مقصود، «یوتا کاتوری» و «کان اوکوبو» از دانشگاه توکیو دست به کار شدند تا روشی را ابداع کنند که بتوان به کمک آن میدان مغناطیسی زمین را در نقاط مختلف ژاپن اندازه گیری کرد و به یک مدل برای برآورد میدان مغناطیسی در نقاط مورد نظر دست پیدا کرد. برای این کار آن ها از یک الگوریتم یادگیری ماشین فوق مدرن که «شبکه ی عصبی عمقی» نام دارد، استفاده کردند. این الگوریتم بر اساس نحوه ی اتصال نورون های مغز انسان مدل سازی شده است. پس از وارد سیستم کردن حجم عظیمی از اطلاعات مربوط به اندازه گیری های سابق، این الگوریتم توانست با انجام مجموعه ای از عملیات چندلایه و بسیار پیچیده داده های فوق را به موقعیت های روی نقشه ربط دهد. این محققان با بهره گیری از نیم میلیون داده ای که در طول سال 2015 جمع آوری کرده بودند توانستند شبکه ای بسازند که قادر است میدان مغناطیسی را در نقطه مورد نظرشان، با دقت بی سابقه ای برآورد کند.
هزینه های به کارگیری شبکه های عصبی عمیق نسبتا پایین است، بنابراین برای استفاده در سطح وسیع، سیستم آن ها می تواند با شبکه ای از شناساگرهای حساس زلزله و سونامی جفت شود. استفاده از دانش هوش مصنوعی و یادگیری ماشین به ما کمک می کند تا در یک چشم بر هم زدن مخاطرات طبیعی را شناسایی کنیم. بعد از شناسایی، باید به دنبال سیستم های هشدار موثرتری نیز باشیم. بعد از طی این مراحل می توانیم ادعا کنیم که توانسته ایم جلوی خسارات جانی و مالی بسیاری را بگیریم.
امیدوارم شما خوانندگان محترم مجله ی اینترنتی پروماگ از خواندن مطلب امروز بهره ی کافی را برده باشید. هرجا هستید برایتان بهترین ها را آرزو می کنیم.