AI nauczyła się wykrywać słabe trzęsienia ziemi i zmiany skorupy ziemskiej

Silne trzęsienia ziemi są trudne do przeoczenia, ale są rzadkie. Tymczasem przechodzą niezauważone

występują niewielkie przesunięcia kory mózgowejstale. Występują na tych samych uskokach, co silniejsze trzęsienia ziemi i wykorzystują te same mechanizmy. Te „mikrowstrząsy” stanowią podatny grunt do badań nad rozwojem zmian w skorupie ziemskiej.

Jeśli poprawimy naszą zdolność do wykrywania izlokalizować te bardzo małe trzęsienia ziemi, możemy uzyskać wyraźniejszy obraz interakcji trzęsień ziemi lub ich rozprzestrzeniania się wzdłuż uskoku, jak się rozpoczynają, a nawet jak kończą. 

Gregory Beroza, fizyk ze Stanford i jeden z autorów artykułu

Mousavi rozpoczął pracę nad technologią dlaautomatyzacja wykrywania trzęsień ziemi. Wcześniej studiował codzienne sejsmogramy w Memphis. Kilka lat później, po dołączeniu do laboratorium Berozy na Uniwersytecie Stanforda, zaczął się zastanawiać, jak rozwiązać problem wykrywania drgań kory mózgowej za pomocą uczenia maszynowego.

W swoim artykule autorzy wyjaśniają, że opracowali nowy model wykrywania bardzo małych trzęsień ziemi o słabych sygnałach. Nazywają to transformatorem trzęsienia ziemi.

Według Mousavi model jest zbudowany na PhaseNet iCRED i „obejmuje te algorytmy, które naukowcy tworzą ręcznie”. W szczególności Earthquake Transformer naśladuje sposób, w jaki ludzcy analitycy patrzą na zestaw ruchów jako całość, a następnie skupiają się na niewielkim fragmencie zainteresowania.

Ta technologia może umożliwić analitykomskup się na wydobywaniu informacji z pełniejszego katalogu trzęsień ziemi. Nowy algorytm oszczędza czas naukowców, który zamierzają poświęcić na analizę natury trzęsienia ziemi.

Czytaj także:

Coroczna misja w Arktyce dobiegła końca, a dane są rozczarowujące. Co czeka ludzkość?

Zobacz, jak nowy Hummer pokonuje przeszkody na drodze, poruszając się jak krab

W 3. dniu choroby większość pacjentów z COVID-19 traci zmysł węchu i często cierpi na katar