Các nhà nghiên cứu hiện đã đào tạo một hệ thống máy học để phát hiện động đất bằng cách sử dụng các tín hiệu hấp dẫn cực nhỏ, cho thấy cách chúng có thể được sử dụng để xác định vị trí và mức độ của một trận động đất lớn trong thời gian gần như thực. Động đất có khả năng làm thay đổi trường hấp dẫn của Trái đất ở quy mô khổng lồ.
Các nhà khoa học cho rằng đây là một bước quan trọng hướng tới việc phát triển hệ thống cảnh báo những trận động đất mạnh nhất thế giới, theo nghiên cứu ngày 11 tháng 5 được công bố trên tạp chí Thiên nhiên.
Tín hiệu trọng lực được sử dụng để huấn luyện máy học
Theo Andrea Licciardi, nhà địa vật lý tại Đại học Côte d’Azur ở Nice, Pháp, một hệ thống như thế này có thể phát hiện ra động đất và có thể giúp giải quyết một vấn đề lớn về địa chấn: Xác định cường độ chính xác của một trận động đất lớn ngay khi nó xảy ra. . Sẽ khó hơn nhiều để đưa ra những cảnh báo nguy hiểm kịp thời và hiệu quả nếu bạn không có khả năng đó, điều quan trọng vì nó có thể cứu sống hàng nghìn người.
Sự rung chuyển và chuyển động truyền sóng địa chấn qua mặt đất, được phát hiện dưới dạng rung chuyển lớn trên máy đo địa chấn sau khi trận động đất lớn xảy ra. Tuy nhiên, các hệ thống dựa trên sóng địa chấn hiện tại mà chúng ta sử dụng để phát hiện động đất gặp khó khăn trong việc phân biệt giữa cường độ 7.5 Và 9 trong vài giây sau khi xảy ra. Các nhà địa vật lý không phải là những người duy nhất sử dụng trí tuệ nhân tạo trong nghiên cứu của họ, các nhà hóa học đã phát triển một khung ML mới để cải thiện chất xúc tác.
Hiện nay, các nhà khoa học phát hiện động đất dựa trên độ cao sóng P
Điều này xảy ra vì độ cao sóng P của sóng địa chấn, là sóng đầu tiên đến các trạm quan trắc, được sử dụng trong các ước tính ban đầu về cường độ. Tuy nhiên, đối với các trận động đất mạnh, biên độ sóng P ban đầu đạt cực đại khi chúng đạt đến biên độ cực đại, khiến việc phân biệt giữa các trận động đất có cường độ khác nhau trở nên khó khăn.
Dấu hiệu sớm nhất của trận động đất không phải là sóng địa chấn. Tất cả sự dịch chuyển khối lượng đó trong một trận động đất lớn cũng làm thay đổi mật độ của các tảng đá xung quanh. Những rung động từ những sóng này là những gì các nhà địa chấn học sử dụng để phát hiện tâm chấn trận động đất. Họ không đến ngay trước trận động đất; thay vào đó, chúng được tạo ra bởi các mảng kiến tạo chuyển động va chạm vào nhau hoặc dịch chuyển do động đất. Những thay đổi nhỏ về lực hấp dẫn này biểu hiện dưới dạng sóng “trọng lực đàn hồi” truyền qua mặt đất với tốc độ ánh sáng – thậm chí còn nhanh hơn sóng địa chấn – do chuyển động của các mảng gây ra.
Theo nhà địa chấn học Martin Vallée thuộc Institut de Physique du Globe de Paris, những tín hiệu nhỏ, tinh vi được gọi là sóng trọng lực đàn hồi từng được cho là không thể phát hiện được. Năm 2017, Vallée và cộng sự trở thành nhóm đầu tiên xác định được những tín hiệu đàn hồi hấp dẫn này trong dữ liệu trạm địa chấn. “Bạn có một khoảng thời gian giữa thời điểm bắt đầu trận động đất và thời điểm bạn nhận được thông báo.” [seismic] sóng,” Vallée giải thích.
Làm thế nào để các tín hiệu trọng lực đàn hồi trở thành một tập hợp dữ liệu hữu ích?
Các nhà nghiên cứu vẫn muốn tìm ra cách chuyển đổi những tín hiệu đàn hồi hấp dẫn này thành một hệ thống có thể phát hiện động đất. Bởi vì sự dao động của trọng lực rất nhỏ nên rất khó phát hiện ra chúng trong bối cảnh nhiễu nền trong dữ liệu địa chấn. Khi các nhà nghiên cứu kiểm tra hồ sơ sau đó, họ phát hiện ra rằng chỉ có sáu trận động đất lớn trong 30 năm trước được xác định bằng các tín hiệu đàn hồi hấp dẫn, bao gồm cả cường độ. 9 Trận động đất Tohoku-Oki năm 2011, gây ra sóng thần trên diện rộng làm ngập lụt hai nhà máy điện hạt nhân ở Fukushima, Nhật Bản.
Theo Licciardi, đây là lúc máy tính phát huy tác dụng. Mạng máy học mới có tên PEGSNet được thiết kế để xác định “Tín hiệu trọng lực đàn hồi nhanh chóng”. Các thuật toán được đào tạo dựa trên sự kết hợp giữa dữ liệu địa chấn thực tế từ Nhật Bản và 500.000 tín hiệu trọng lực mô phỏng cho các trận động đất ở cùng khu vực. Vì dữ liệu thực rất hiếm nên dữ liệu trọng lực tổng hợp rất quan trọng đối với việc đào tạo các hệ thống máy học để phát hiện động đất. Bất kỳ đầu vào nào cũng quan trọng. Nếu bạn muốn tìm hiểu thêm về đào tạo machine learning, hãy xem khoa học xây dựng hệ thống AI đáng tin cậy.
Sau đó, hệ thống máy học đã được đưa vào thử nghiệm. Mục đích là mô phỏng trận động đất Tohoku năm 2011 trong thời gian thực và theo dõi nguồn gốc cũng như diễn biến của nó. Kết quả rất hứa hẹn, Licciardi nói. Thuật toán xác định chính xác cả cường độ và vị trí của trận động đất sớm hơn 5 đến 10 giây so với các phương pháp khác.
Theo Licciardi, thử nghiệm này là một bằng chứng về khái niệm và nó có thể đóng vai trò là nền tảng cho một hệ thống cảnh báo sớm nguyên mẫu. Theo các nhà nghiên cứu, PEGSNet có tiềm năng trở thành một công cụ rất hữu ích để phát hiện động đất, đặc biệt khi kết hợp với các công nghệ phát hiện động đất khác.
Tuy nhiên, vẫn còn nhiều việc phải làm. Một vấn đề là thuật toán đã được đào tạo để tìm kiếm một điểm duy nhất về nguồn gốc của trận động đất, đây là một giả định hợp lý nếu bạn ở xa. Nhưng khi bạn nhìn gần hơn, nguồn gốc của trận động đất dường như không còn là một điểm nữa; đó là một khu vực lớn hơn đã bị gãy. Nếu các nhà khoa học muốn có kiến thức chính xác về vị trí vết nứt sẽ xảy ra trong tương lai, hệ thống máy học phải tìm kiếm các khu vực thay vì các điểm.
Những tiến bộ lớn hơn có thể đang được triển khai khi các nhà khoa học phát triển các công cụ nhạy hơn để phát hiện động đất. Những sóng do động đất gây ra thậm chí còn nhỏ hơn cũng làm thay đổi trường hấp dẫn trong khi lọc các nguồn nhiễu khác. Trái đất, theo Vallée, là một nơi ồn ào, từ biển đến bầu khí quyển.
“Nó hơi giống với thách thức mà các nhà vật lý phải đối mặt khi họ cố gắng quan sát sóng hấp dẫn,” Vallée giải thích. Nếu bạn quan tâm đến học máy và trí tuệ nhân tạo, hãy kiểm tra lịch sử của Học máy, nó có từ thế kỷ 17.
