ಒಂದು ನವೀನ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ವಿಧಾನವು ಭೂಕಂಪದ ನಂತರದ ನಂತರದ ಆಘಾತಗಳ ಸ್ಥಳವನ್ನು ಊಹಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ
An ಭೂಕಂಪ ಭೂಗರ್ಭದಲ್ಲಿ ಬಂಡೆಗಳು ಉಂಟಾದಾಗ ಉಂಟಾಗುವ ವಿದ್ಯಮಾನವಾಗಿದೆ ಭೂಮಿಯ ಕ್ರಸ್ಟ್ ಇದ್ದಕ್ಕಿದ್ದಂತೆ ಭೌಗೋಳಿಕ ದೋಷದ ರೇಖೆಯ ಸುತ್ತಲೂ ಒಡೆಯುತ್ತದೆ. ಇದು ಶಕ್ತಿಯ ಕ್ಷಿಪ್ರ ಬಿಡುಗಡೆಗೆ ಕಾರಣವಾಗುತ್ತದೆ, ಇದು ಭೂಕಂಪನ ಅಲೆಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ, ಅದು ನಂತರ ನೆಲವನ್ನು ಅಲುಗಾಡಿಸುತ್ತದೆ ಮತ್ತು ಇದು ಭೂಕಂಪದ ಸಮಯದಲ್ಲಿ ನಾವು ಅನುಭವಿಸಿದ ಸಂವೇದನೆಯಾಗಿದೆ. ಬಂಡೆ ಒಡೆಯುವ ಸ್ಥಳವನ್ನು ಫೋಕಸ್ ಆಫ್ ದಿ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ ಭೂಕಂಪ ಮತ್ತು ಅದರ ಮೇಲಿನ ಸ್ಥಳವನ್ನು ನೆಲದ ಮೇಲೆ 'ಎಪಿಸೆಂಟರ್' ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ. ಬಿಡುಗಡೆಯಾದ ಶಕ್ತಿಯನ್ನು ಪರಿಮಾಣ ಎಂದು ಅಳೆಯಲಾಗುತ್ತದೆ, ಭೂಕಂಪವು ಎಷ್ಟು ಶಕ್ತಿಯುತವಾಗಿದೆ ಎಂಬುದನ್ನು ವಿವರಿಸಲು ಒಂದು ಮಾಪಕವಾಗಿದೆ. 2 ರ ತೀವ್ರತೆಯ ಭೂಕಂಪವು ಕೇವಲ ಗ್ರಹಿಸಬಲ್ಲದು ಮತ್ತು ಸೂಕ್ಷ್ಮವಾದ ವಿಶೇಷ ಉಪಕರಣಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಮಾತ್ರ ದಾಖಲಿಸಬಹುದಾಗಿದೆ. ಭೂಕಂಪಗಳು 8 ಕ್ಕಿಂತ ಹೆಚ್ಚು ಪ್ರಮಾಣವು ನೆಲವನ್ನು ಗಮನಾರ್ಹವಾಗಿ ಅಲುಗಾಡಿಸಲು ಕಾರಣವಾಗಬಹುದು. ಒಂದು ಭೂಕಂಪವನ್ನು ಸಾಮಾನ್ಯವಾಗಿ ಅದೇ ರೀತಿಯ ಕಾರ್ಯವಿಧಾನದಿಂದ ಸಂಭವಿಸುವ ಅನೇಕ ನಂತರದ ಆಘಾತಗಳು ಮತ್ತು ಸಮಾನವಾಗಿ ವಿನಾಶಕಾರಿ ಮತ್ತು ಅವುಗಳ ತೀವ್ರತೆ ಮತ್ತು ತೀವ್ರತೆಯು ಮೂಲ ಭೂಕಂಪದಂತೆಯೇ ಇರುತ್ತದೆ. ಅಂತಹ ಭೂಕಂಪದ ನಂತರದ ನಡುಕಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಮೊದಲ ಗಂಟೆ ಅಥವಾ ಮುಖ್ಯ ನಂತರದ ಒಂದು ದಿನದೊಳಗೆ ಸಂಭವಿಸುತ್ತವೆ ಭೂಕಂಪ. ನಂತರದ ಆಘಾತಗಳ ಪ್ರಾದೇಶಿಕ ವಿತರಣೆಯನ್ನು ಮುನ್ಸೂಚಿಸುವುದು ತುಂಬಾ ಸವಾಲಿನ ಸಂಗತಿಯಾಗಿದೆ.
ನಂತರದ ಆಘಾತಗಳ ಗಾತ್ರ ಮತ್ತು ಸಮಯವನ್ನು ವಿವರಿಸಲು ವಿಜ್ಞಾನಿಗಳು ಪ್ರಾಯೋಗಿಕ ಕಾನೂನುಗಳನ್ನು ರೂಪಿಸಿದ್ದಾರೆ ಆದರೆ ಅವುಗಳ ಸ್ಥಳವನ್ನು ಗುರುತಿಸುವುದು ಇನ್ನೂ ಒಂದು ಸವಾಲಾಗಿದೆ. ಗೂಗಲ್ ಮತ್ತು ಹಾರ್ವರ್ಡ್ ವಿಶ್ವವಿದ್ಯಾನಿಲಯದ ಸಂಶೋಧಕರು ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು ಹೊಸ ವಿಧಾನವನ್ನು ರೂಪಿಸಿದ್ದಾರೆ ಭೂಕಂಪಗಳು ಮತ್ತು ಆರ್ಟಿಫಿಶಿಯಲ್ ಇಂಟೆಲಿಜೆನ್ಸ್ ತಂತ್ರಜ್ಞಾನವನ್ನು ಬಳಸಿಕೊಂಡು ನಂತರದ ಆಘಾತಗಳ ಸ್ಥಳವನ್ನು ಮುನ್ಸೂಚಿಸುವುದು ಅವರ ಅಧ್ಯಯನದಲ್ಲಿ ಪ್ರಕಟಿಸಲಾಗಿದೆ ಪ್ರಕೃತಿ. ಅವರು ನಿರ್ದಿಷ್ಟವಾಗಿ ಯಂತ್ರ ಕಲಿಕೆಯನ್ನು ಬಳಸಿದರು - ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಒಂದು ಅಂಶ. ಯಂತ್ರ ಕಲಿಕೆಯ ವಿಧಾನದಲ್ಲಿ, ಒಂದು ಯಂತ್ರವು ದತ್ತಾಂಶದ ಗುಂಪಿನಿಂದ 'ಕಲಿಯುತ್ತದೆ' ಮತ್ತು ಈ ಜ್ಞಾನವನ್ನು ಪಡೆದುಕೊಂಡ ನಂತರ ಹೊಸ ಡೇಟಾದ ಬಗ್ಗೆ ಭವಿಷ್ಯ ನುಡಿಯಲು ಈ ಮಾಹಿತಿಯನ್ನು ಬಳಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ.
ಸಂಶೋಧಕರು ಮೊದಲು ಆಳವಾದ ಕಲಿಕೆಯ ಅಲ್ಗಾರಿದಮ್‌ಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಜಾಗತಿಕ ಭೂಕಂಪಗಳ ಡೇಟಾಬೇಸ್ ಅನ್ನು ವಿಶ್ಲೇಷಿಸಿದ್ದಾರೆ. ಡೀಪ್ ಲರ್ನಿಂಗ್ ಎನ್ನುವುದು ಸುಧಾರಿತ ರೀತಿಯ ಯಂತ್ರ ಕಲಿಕೆಯಾಗಿದ್ದು, ಇದರಲ್ಲಿ ನರಗಳ ಜಾಲಗಳು ಮಾನವನ ಮೆದುಳಿನ ಆಲೋಚನಾ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಪ್ರಯತ್ನಿಸಿ ಮತ್ತು ಅನುಕರಿಸುತ್ತದೆ. ಮುಂದೆ, ಅವರು ಸಾಧ್ಯವಾಗುವ ಗುರಿಯನ್ನು ಹೊಂದಿದ್ದರು ಮುನ್ಸೂಚನೆ ಯಾದೃಚ್ಛಿಕ ಊಹೆಗಿಂತ ನಂತರದ ಆಘಾತಗಳು ಉತ್ತಮವಾಗಿರುತ್ತವೆ ಮತ್ತು 'ಎಲ್ಲಿ' ನಂತರದ ಆಘಾತಗಳು ಸಂಭವಿಸುತ್ತವೆ ಎಂಬ ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸಲು ಪ್ರಯತ್ನಿಸಿ. ಪ್ರಪಂಚದಾದ್ಯಂತದ 199 ಕ್ಕೂ ಹೆಚ್ಚು ಪ್ರಮುಖ ಭೂಕಂಪಗಳಿಂದ ಸಂಗ್ರಹಿಸಲಾದ ಅವಲೋಕನಗಳನ್ನು ಸುಮಾರು 131,000 ಮುಖ್ಯ ಆಘಾತ-ಆಫ್ಟರ್‌ಶಾಕ್ ಜೋಡಿಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ. ಈ ಮಾಹಿತಿಯನ್ನು ಭೌತಶಾಸ್ತ್ರ-ಆಧಾರಿತ ಮಾದರಿಯೊಂದಿಗೆ ಸಂಯೋಜಿಸಲಾಗಿದೆ ಅದು ಹೇಗೆ ಎಂದು ವಿವರಿಸುತ್ತದೆ ಭೂಮಿಯ ಒಂದು ನಂತರ ಒತ್ತಡ ಮತ್ತು ಉದ್ವಿಗ್ನ ಎಂದು ಭೂಕಂಪ ಇದು ನಂತರದ ಆಘಾತಗಳನ್ನು ಪ್ರಚೋದಿಸುತ್ತದೆ. ಅವರು 5 ಕಿಲೋಮೀಟರ್-ಚದರ ಗ್ರಿಡ್‌ಗಳನ್ನು ರಚಿಸಿದರು, ಅದರೊಳಗೆ ಸಿಸ್ಟಮ್ ಆಫ್ಟರ್‌ಶಾಕ್ ಅನ್ನು ಪರಿಶೀಲಿಸುತ್ತದೆ. ನರಮಂಡಲವು ನಂತರ ಮುಖ್ಯ ಭೂಕಂಪದಿಂದ ಉಂಟಾಗುವ ತಳಿಗಳು ಮತ್ತು ನಂತರದ ಆಘಾತಗಳ ಸ್ಥಳದ ನಡುವಿನ ಸಂಬಂಧವನ್ನು ರೂಪಿಸುತ್ತದೆ. ಒಮ್ಮೆ ನ್ಯೂರಲ್ ನೆಟ್‌ವರ್ಕ್ ವ್ಯವಸ್ಥೆಯು ಈ ರೀತಿಯಲ್ಲಿ ಉತ್ತಮವಾಗಿ ತರಬೇತಿ ಪಡೆದ ನಂತರ, ಇದು ಉತ್ತರಾಘಾತಗಳ ಸ್ಥಳವನ್ನು ನಿಖರವಾಗಿ ಊಹಿಸಲು ಸಾಧ್ಯವಾಯಿತು. ಭೂಕಂಪಗಳ ಸಂಕೀರ್ಣ ನೈಜ-ಪ್ರಪಂಚದ ಡೇಟಾವನ್ನು ಬಳಸಿದ್ದರಿಂದ ಅಧ್ಯಯನವು ಅತ್ಯಂತ ಸವಾಲಿನದಾಗಿತ್ತು. ಸಂಶೋಧಕರು ಪರ್ಯಾಯವಾಗಿ ಸ್ಥಾಪಿಸಿದರು ಕೃತಕ ಮತ್ತು ಮುನ್ಸೂಚನೆಗಳನ್ನು ರಚಿಸಲು ಮತ್ತು ನಂತರ ಭವಿಷ್ಯಗಳನ್ನು ಪರೀಕ್ಷಿಸಲು 'ಆದರ್ಶ' ಭೂಕಂಪಗಳ ರೀತಿಯ. ನ್ಯೂರಲ್ ನೆಟ್‌ವರ್ಕ್ ಔಟ್‌ಪುಟ್ ಅನ್ನು ನೋಡುವಾಗ, ನಂತರದ ಆಘಾತಗಳ ಮುನ್ಸೂಚನೆಯನ್ನು ನಿಯಂತ್ರಿಸುವ ವಿಭಿನ್ನ 'ಪ್ರಮಾಣಗಳು' ಏನೆಂದು ವಿಶ್ಲೇಷಿಸಲು ಅವರು ಪ್ರಯತ್ನಿಸಿದರು. ಪ್ರಾದೇಶಿಕ ಹೋಲಿಕೆಗಳನ್ನು ಮಾಡಿದ ನಂತರ, ಸಂಶೋಧಕರು ಒಂದು ವಿಶಿಷ್ಟವಾದ ನಂತರದ ಆಘಾತದ ಮಾದರಿಯು ಭೌತಿಕವಾಗಿ 'ವ್ಯಾಖ್ಯಾನಿಸಬಲ್ಲದು' ಎಂಬ ತೀರ್ಮಾನಕ್ಕೆ ಬಂದರು. ವಿಚಲನ ಒತ್ತಡದ ಒತ್ತಡದ ಎರಡನೇ ರೂಪಾಂತರ - ಸರಳವಾಗಿ J2 ಎಂದು ಕರೆಯಲ್ಪಡುವ - ಕೀಲಿಯನ್ನು ಹೊಂದಿದೆ ಎಂದು ತಂಡವು ಸೂಚಿಸುತ್ತದೆ. ಈ ಪ್ರಮಾಣವು ಹೆಚ್ಚು ಅರ್ಥೈಸಬಲ್ಲದು ಮತ್ತು ಲೋಹಶಾಸ್ತ್ರ ಮತ್ತು ಇತರ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ವಾಡಿಕೆಯಂತೆ ಬಳಸಲ್ಪಡುತ್ತದೆ ಆದರೆ ಭೂಕಂಪಗಳನ್ನು ಅಧ್ಯಯನ ಮಾಡಲು ಹಿಂದೆಂದೂ ಬಳಸಿಲ್ಲ.
ಭೂಕಂಪಗಳ ನಂತರದ ಆಘಾತಗಳು ಹೆಚ್ಚಿನ ಗಾಯಗಳನ್ನು ಉಂಟುಮಾಡುತ್ತವೆ, ಗುಣಲಕ್ಷಣಗಳನ್ನು ಹಾನಿಗೊಳಿಸುತ್ತವೆ ಮತ್ತು ರಕ್ಷಣಾ ಪ್ರಯತ್ನಗಳಿಗೆ ಅಡ್ಡಿಯಾಗುತ್ತವೆ, ಆದ್ದರಿಂದ ಅವುಗಳನ್ನು ಮಾನವೀಯತೆಯ ಜೀವ ಉಳಿಸುತ್ತದೆ ಎಂದು ಊಹಿಸುತ್ತದೆ. ಪ್ರಸ್ತುತ AI ಮಾದರಿಗಳು ನಿರ್ದಿಷ್ಟ ರೀತಿಯ ಆಫ್ಟರ್‌ಶಾಕ್ ಮತ್ತು ಸರಳವಾದ ಭೂವೈಜ್ಞಾನಿಕ ದೋಷದ ರೇಖೆಯನ್ನು ಮಾತ್ರ ನಿಭಾಯಿಸಬಹುದಾದ್ದರಿಂದ ನೈಜ ಸಮಯದ ಮುನ್ಸೂಚನೆಯು ಈ ಕ್ಷಣದಲ್ಲಿ ಸಾಧ್ಯವಾಗದಿರಬಹುದು. ಇದು ಮುಖ್ಯವಾಗಿದೆ ಏಕೆಂದರೆ ಭೂವೈಜ್ಞಾನಿಕ ದೋಷದ ರೇಖೆಗಳು ವಿವಿಧ ಭೌಗೋಳಿಕ ಸ್ಥಳದಲ್ಲಿ ವಿಭಿನ್ನ ಜ್ಯಾಮಿತಿಯನ್ನು ಹೊಂದಿವೆ ಗ್ರಹದ. ಆದ್ದರಿಂದ, ಇದು ಪ್ರಸ್ತುತ ಪ್ರಪಂಚದಾದ್ಯಂತದ ವಿವಿಧ ರೀತಿಯ ಭೂಕಂಪಗಳಿಗೆ ಅನ್ವಯಿಸುವುದಿಲ್ಲ. ಅದೇನೇ ಇದ್ದರೂ, ಭೂಕಂಪಗಳಿಗೆ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ತಂತ್ರಜ್ಞಾನವು ಸೂಕ್ತವಾಗಿ ಕಾಣುತ್ತದೆ ಏಕೆಂದರೆ ಅವುಗಳನ್ನು ಅಧ್ಯಯನ ಮಾಡುವಾಗ ಪರಿಗಣಿಸಬೇಕಾದ n ಸಂಖ್ಯೆಯ ಅಸ್ಥಿರಗಳು, ಉದಾಹರಣೆಗೆ ಆಘಾತದ ಶಕ್ತಿ, ಟೆಕ್ಟೋನಿಕ್ ಪ್ಲೇಟ್‌ಗಳ ಸ್ಥಾನ ಇತ್ಯಾದಿ.
ನ್ಯೂರಲ್ ನೆಟ್‌ವರ್ಕ್‌ಗಳನ್ನು ಕಾಲಾನಂತರದಲ್ಲಿ ಸುಧಾರಿಸಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ, ಅಂದರೆ ಸಿಸ್ಟಮ್‌ಗೆ ಹೆಚ್ಚಿನ ಡೇಟಾವನ್ನು ನೀಡುವುದರಿಂದ, ಹೆಚ್ಚಿನ ಕಲಿಕೆ ನಡೆಯುತ್ತದೆ ಮತ್ತು ಸಿಸ್ಟಮ್ ಸ್ಥಿರವಾಗಿ ಸುಧಾರಿಸುತ್ತದೆ. ಭವಿಷ್ಯದಲ್ಲಿ ಅಂತಹ ವ್ಯವಸ್ಥೆಯು ಭೂಕಂಪಶಾಸ್ತ್ರಜ್ಞರು ಬಳಸುವ ಭವಿಷ್ಯ ವ್ಯವಸ್ಥೆಗಳ ಅವಿಭಾಜ್ಯ ಅಂಗವಾಗಿರಬಹುದು. ಭೂಕಂಪದ ನಡವಳಿಕೆಯ ಜ್ಞಾನದ ಆಧಾರದ ಮೇಲೆ ಯೋಜಕರು ತುರ್ತು ಕ್ರಮಗಳನ್ನು ಸಹ ಜಾರಿಗೊಳಿಸಬಹುದು. ಭೂಕಂಪಗಳ ಪ್ರಮಾಣವನ್ನು ಊಹಿಸಲು ತಂಡವು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ತಂತ್ರಜ್ಞಾನವನ್ನು ಬಳಸಲು ಬಯಸುತ್ತದೆ.
***
{ಉದಾಹರಿಸಿದ ಮೂಲ(ಗಳ) ಪಟ್ಟಿಯಲ್ಲಿ ಕೆಳಗೆ ನೀಡಲಾದ DOI ಲಿಂಕ್ ಅನ್ನು ಕ್ಲಿಕ್ ಮಾಡುವ ಮೂಲಕ ನೀವು ಮೂಲ ಸಂಶೋಧನಾ ಪ್ರಬಂಧವನ್ನು ಓದಬಹುದು}
ಮೂಲಗಳು)
ಡೆವ್ರೀಸ್ PMR ಮತ್ತು ಇತರರು. 2018. ದೊಡ್ಡ ಭೂಕಂಪಗಳ ನಂತರದ ನಂತರದ ಆಘಾತದ ಮಾದರಿಗಳ ಆಳವಾದ ಕಲಿಕೆ. ಪ್ರಕೃತಿ560 (7720).
https://doi.org/10.1038/s41586-018-0438-y
***
