AI lärde sig att hitta svaga jordbävningar och skorpuskift

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

små förskjutningar av cortex som uppstårständigt. De uppstår på samma förkastningar som starkare jordbävningar och involverar samma mekanismer. Dessa "mikrobävningar" ger grogrund för forskning om utvecklingen av förändringar i jordskorpan.

Om vi ​​förbättrar vår förmåga att upptäcka ochlokalisera dessa mycket små jordbävningar, kan vi få en tydligare bild av hur jordbävningar samverkar eller fortplantar sig längs ett förkastning, hur de startar och till och med hur de slutar. 

Gregory Beroza, en Stanford-fysiker och en av författarna till tidningen

Mousavi började arbeta med teknik förautomatisering av jordbävningsdetektering. Tidigare studerade han dagliga seismogram i Memphis. Några år senare, efter att ha gått med i Berozas laboratorium i Stanford, började han fundera över hur man löser problemet med att upptäcka kortikala vibrationer med maskininlärning.

I sin uppsats förklarar författarna att de har utvecklat en ny modell för att upptäcka mycket små jordbävningar med svaga signaler. De kallar det en jordbävningstransformator.

Enligt Mousavi är modellen byggd på PhaseNet ochCRED och "inkluderar de algoritmer som forskare gör för hand." Specifikt efterliknar Earthquake Transformer hur mänskliga analytiker ser på en uppsättning rörelser som helhet och sedan finslipar på en liten bit av intresse.

Denna teknik kan göra det möjligt för analytikerfokusera på att utvinna information från en mer komplett jordbävningskatalog. Den nya algoritmen sparar forskares tid, som de kommer att spendera på att analysera jordbävningens natur.

Läs också:

Det årliga uppdraget i Arktis har avslutats och uppgifterna är en besvikelse. Vad väntar mänskligheten?

Se den nya Hummer övervinna hinder på vägen och rör sig som en krabba

På sjukdagens dag 3 förlorar de flesta COVID-19-patienter luktkänslan och lider ofta av en rinnande näsa