AI lærte å finne svake jordskjelv og skorpeskift

Сильные землетрясения трудно пропустить, однако они случаются редко. Между тем, незаметно проходят

небольшие сдвиги коры, которые случаются постоянно. Они возникают на тех же разломах, что и более сильные землетрясения, и с участием тех же механизмов. Эти «микротрясения» представляют собой благодатную почву для исследований о развитии измненеий в земной коре.

Если мы улучшим нашу способность обнаруживать и определять местонахождение этих очень малых землетрясений, то можем получить более четкое представление о том, как землетрясения взаимодействуют или распространяются по разлому, как они возникают и даже как прекращаются. 

Грегори Бероза, еофизик из Стэнфорда и один из авторов статьи

Mousavi begynte å jobbe med teknologi forautomatisering av jordskjelvdeteksjon. Han har tidligere studert daglige samlinger i Memphis. Noen år senere, etter at han kom til Berozas laboratorium i Stanford, begynte han å tenke på hvordan han skulle løse problemet med å oppdage kortikale vibrasjoner ved hjelp av maskinlæring.

I artikkelen forklarer forfatterne at de har utviklet en ny modell for å oppdage svært små jordskjelv med svake signaler. De kaller det en jordskjelvetransformator.

I følge Mousavi er modellen bygget på PhaseNet ogCRED og "inkluderer de algoritmene som forskere lager for hånd." Spesielt etterligner Earthquake Transformer hvordan menneskelige analytikere ser på et sett med bevegelser som en helhet, og deretter finpusser på et lite stykke interesse.

Denne teknologien kan gjøre det mulig for analytikerefokusere på å hente ut informasjon fra en mer komplett jordskjelvkatalog. Den nye algoritmen sparer forskere tid, som de skal bruke på å analysere jordskjelvets natur.

Les også:

Det årlige oppdraget i Arktis er avsluttet, og dataene er skuffende. Hva venter menneskeheten?

Se den nye Hummer overvinne hindringer på veien, bevege seg som en krabbe

På sykdomsdag 3 mister de fleste COVID-19 pasienter luktesansen og lider ofte av en rennende nese