بعد التنبؤ بنجاح بالزلزال في المختبر ، طبق فريق من علماء الجيوفيزيائيين خوارزمية التعلم الآلي على الزلازل في الساحل الشمالي الغربي للمحيط الهادئ
بقايا غابة صنوبرية عمرها 2000 عام على شاطئ نسكوفين ، أوريغون - واحدة من العشرات من "غابات الأشباح" الواقعة على سواحل أوريغون وواشنطن. من المعتقد أن زلزالًا كبيرًا هز مرة واحدة منطقة الانحدار في كاسكاديا ، وتم دفن جذوعها تحت الأنقاض التي أحدثتها تسونامي.
في مايو من العام الماضي ، بعد قيلولة استمرت 13 شهرًا ، هزت الأرض الواقعة تحت خليج بوجيه في واشنطن. بدأ الزلزال على عمق أكثر من 30 كم تحت الجبال الأولمبية ، وفي غضون أسابيع قليلة انتقل شمال غرب ، ووصل إلى جزيرة فانكوفر الكندية. ثم انقلبت مساره لفترة وجيزة ، زحف على طول الحدود الأمريكية ، ثم التزم الصمت. أطلق زلزال شهري كمية كافية من الطاقة بحيث يمكن تقدير حجمه بـ 6. بحلول نهاية الزلزال ، تقدمت الجهة الجنوبية لجزيرة فانكوفر بسنتيمتر إضافي في المحيط الهادئ.
منذ الزلزال كان غير واضح في المكان والزمان ، على الأرجح ، لم يشعر أحد بذلك. وتُعرف هذه الزلازل الأشباح التي تحدث أعمق تحت الأرض عن الزلازل السريعة العادية باسم "الانزلاقات البطيئة". تحدث مرة واحدة كل عام تقريبًا في منطقة شمال غرب المحيط الهادئ ، على طول خطأ
تتسلل إليه صفيحة خوان دي فوكا ببطء تحت الجزء الشمالي من الحافة الغربية من
صفيحة أمريكا الشمالية . منذ عام 2003 ، تم تسجيل أكثر من عشرة زلات بطيئة في شبكة واسعة من محطات رصد الزلازل في المنطقة. وعلى مدار العام ونصف العام الماضيين ، كانت هذه الأحداث محور مشروع التنبؤ بالزلزال ، بقيادة الفيزيائي الجيولوجي
بول جونسون .
فريق جونسون هو واحد من عدة مجموعات من العلماء الذين يستخدمون التعلم الآلي لمحاولة الكشف عن أسرار فيزياء الزلازل وعزل علامات الزلزال الناشئ. قبل عامين ،
تنبأ جونسون وزملاؤه
بنجاح بالزلازل في نموذج مختبري باستخدام خوارزمية تسعى إلى الأنماط مشابهة لتلك المستخدمة خلال الاختراقات الحديثة في التعرف على الصور والكلام وغيرها من تطبيقات الذكاء الاصطناعي. ومنذ ذلك الحين ،
تكرر هذا الإنجاز
من قبل علماء من أوروبا.
والآن ، في
ورقة نُشرت في سبتمبر الماضي على موقع ما قبل الطباعة arxiv.org ، قام جونسون وفريقه بتقرير خوارزمية عن الزلازل البطيئة في شمال غرب المحيط الهادئ. لم يتم اختبار العمل من قبل خبراء مستقلين ، لكنهم أبلغوا بالفعل أن النتائج كانت واعدة. يجادل جونسون أن الخوارزمية يمكنها التنبؤ بوقوع زلزال بطيء "في غضون أيام قليلة - وربما في وقت مبكر".
وقال
مارتن دي هوب ، عالم الزلازل بجامعة رايس والذي لا يشارك في هذا العمل: "هذا تطور مثير للاهتمام للغاية". "للمرة الأولى ، تأتي اللحظة التي أحرزنا فيها تقدماً" في التنبؤ بالزلازل.
وصف مصطفى موسوي ، عالم الجيوفيزياء بجامعة ستانفورد ، النتائج الجديدة بأنها "مثيرة للاهتمام ومحفزة". يؤكد هو ، دي هوب وغيره من الخبراء في هذا المجال على أن التعلم الآلي أمامه طريق طويل قبل أن يبدأ في التنبؤ بالزلازل الكارثية - وأن بعض العقبات التي تعترض هذا المسار قد تكون صعبة للغاية ، وربما لا يمكن التغلب عليها. ومع ذلك ، فقد يتضح أن التعلم الآلي هو أفضل فرصة للعلماء في هذا المجال الذي ظلوا فيه راكدين لعقود ولم يروا أي بصيص من الأمل.
مربى وزلات
لاحظ عالم الزلازل الراحل
تشارلز ريختر ، الذي حدد مقياس تصنيف قوة الزلازل ، في عام 1977 أن التنبؤ بالزلازل يمكن أن يكون "تربة ممتازة للباحثين عن الهواة والسكريات والمخادعين". اليوم ، سيؤكد لك العديد من علماء الزلازل أنهم التقوا بالكثير من ممثلي الأنواع الثلاثة.
ومع ذلك ، فقد حدث أن العلماء المحترمين أعطوا الأفكار التي ، في الماضي ، تبدو بعيدة عن الحقيقة ، وفي بعض الأحيان مجنونة. صرح الجيوفيزيائي في جامعة أثينا ، Panagiotis Varotsos ، بأنه كان قادرًا على التعرف على الزلازل الوشيكة عن طريق قياس "الإشارات الكهربائية الزلزالية". أثار برايان برادي ، وهو عالم فيزياء من وزارة المناجم في الولايات المتحدة في أوائل الثمانينيات ، إنذارًا خاطئًا عدة مرات حول الزلازل الوشيكة في بيرو ، مبنيًا على النتائج التي توصل إليها على نتائج غير مؤكدة بأن تكسير الحجارة في المناجم كان علامة على زلازل وشيكة.
بول جونسون يدرك هذه القصة المثيرة للجدل. إنه يعلم أنه في أماكن كثيرة ، من غير اللائق التحدث عن "توقعات الزلازل". إنه يعلم أن ستة علماء إيطاليين أدينوا بقتل 29 شخصًا عن غير قصد في عام 2012 ، مما قلل من فرص وقوع زلزال في مدينة لاكويلا الإيطالية قبل أيام قليلة من
تدمير المنطقة تقريبًا بزلزال بلغت قوته 6.3 درجة (ثم ألغيت محكمة الاستئناف هذا الحكم). إنه يعرف عن علماء الزلازل البارزين الذين
صرحوا بشكل مقنع أن "الزلازل لا يمكن التنبؤ بها".
ومع ذلك ، يعرف جونسون أيضًا أن الزلازل هي عمليات فيزيائية لا تختلف أساسًا عن انهيار نجم يموت أو تغيير في اتجاه الرياح. وعلى الرغم من أنه يؤكد أن الهدف الرئيسي من بحثه هو فهم فيزياء الأعطال بشكل أفضل ، إلا أنه لا يرفض مهمة التنبؤات.
بول جونسون ، عالم الزلازل من مختبر لوس ألاموس الوطني مع عينة من البلاستيك الأكريليك في يديه - واحدة من المواد التي يستخدمها الفريق لمحاكاة الزلازل في المختبرمنذ أكثر من عقد من الزمان ، بدأ جونسون في دراسة "الزلازل المختبرية" ، والتي تمت محاكاتها باستخدام كتل تنزلق على طول طبقات رقيقة من المواد الحبيبية. هذه الكتل ، مثل الصفائح التكتونية ، لا تنزلق بسلاسة ، ولكن مع القواقع والتوقف في بعض الأحيان لبضع ثوانٍ يتجمدون ويحتجزون عن طريق الاحتكاك ، ثم تكون القوة المتزايدة كافية بحيث يبدأون في الانزلاق أكثر فأكثر. هذا الانزلاق - النسخة المختبرية للزلزال - يطلق الإجهاد ، وبعد ذلك تبدأ دورة الحركات الخشنة من جديد.
عندما سجل جونسون وزملاؤه الإشارة الصوتية التي تحدث أثناء هذه الحركة المتقطعة ، لاحظوا قممًا حادة تظهر قبل كل انزلاق. أصبحت هذه الأحداث قبل الحركة المكافئ المختبري للأمواج الزلزالية ، والتي تنتج الصدمات التي تسبق الزلازل. ومع ذلك ، مثلما حاول علماء الزلازل دون جدوى تحويل الصدمات الأولية إلى التنبؤ بلحظة بداية الزلزال الرئيسي ، لم يتمكن جونسون وزملاؤه من معرفة كيفية تحويل هذه الأحداث السابقة إلى تنبؤات موثوقة بالزلزال المختبرية. "نحن في طريق مسدود" ، يتذكر جونسون. "أنا لم أر طريقة للمتابعة."
في اجتماع عقد في لوس ألاموس قبل عدة سنوات ، أوضح جونسون هذه المعضلة لمجموعة من المنظرين. اقترحوا إعادة تحليل البيانات باستخدام خوارزميات التعلم الآلي - هذا النهج بحلول ذلك الوقت كان معروفًا بالفعل بقدرته على التعرف جيدًا على الأنماط في البيانات الصوتية.
طور العلماء بالاشتراك خطة. قرروا أخذ خمس دقائق من الصوت المسجل خلال التجارب - التي شملت حوالي 20 دورة من الانزلاق والتوقف - وقسمها إلى العديد من الأجزاء الصغيرة. بالنسبة لكل شريحة ، قام الباحثون بحساب أكثر من 80 ميزة إحصائية ، بما في ذلك الإشارة المتوسطة ، والانحرافات عن المتوسط ، ومعلومات حول ما إذا كان الصوت الذي يسبق التحول موجود في هذا الجزء. نظرًا لأن الباحثين قاموا بتحليل البيانات بأثر رجعي ، فقد عرفوا كم من الوقت يمر بين كل مقطع بالصوت والدفع اللاحق في المختبر.
باستخدام هذه البيانات للتدريب ، استخدموا خوارزمية للتعلم الآلي تسمى "مجموعة
التفرعات العشوائية " للبحث المنهجي عن مجموعات من الميزات التي ترتبط بوضوح بكمية الوقت المتبقي قبل التحول. بعد دراسة عدة دقائق من البيانات التجريبية ، يمكن أن تبدأ الخوارزمية في التنبؤ بوقت القص استنادًا إلى الميزات الصوتية.
اختار جونسون وزملاؤه خوارزمية الغابة العشوائية للتنبؤ بالوقت المتبقي حتى حدوث تحول جديد ، خاصة لأن (الغابة الخوارزمية مقارنة بالشبكات العصبية وغيرها من خوارزميات التعلم الآلي الشائعة) سهلة التفسير نسبيًا. تعمل الخوارزمية ، في جوهرها ، كشجرة قرار ، يشارك فيها كل فرع مجموعة بيانات تستند إلى بعض الميزات الإحصائية. لذلك ، تقوم الشجرة بتخزين سجلات علامات الخوارزمية المستخدمة للتنبؤات - والأهمية النسبية لكل علامة من العلامات التي ساعدت الخوارزمية على الوصول إلى تنبؤات معينة.
تُظهر العدسات المستقطبة تراكم الضغط قبل أن يتحرك نموذج اللوحة التكتونية جانبيًا على طول خط الصدع.عندما درس باحثون من لوس ألاموس تفاصيل الخوارزمية ، فوجئوا بذلك. بالنسبة للجزء الأكبر ، اعتمدت الخوارزمية على ميزة إحصائية غير مرتبطة بالأحداث التي حدثت قبل زلزال المختبر مباشرة. إنه أكثر
تشتت - وهو مقياس لانحراف الإشارة من المتوسط - علاوة على ذلك ، ينتشر على مدار دورة الفرامل والانزلاق بأكملها ، ولا يتركز في اللحظات التي تسبق التحول مباشرة. بدأ التشتت بقيم صغيرة ، ثم تراكمت تدريجياً أثناء الاقتراب من التحول ، ربما لأن الحبوب بين الكتل أكثر فأكثر تصطمت مع بعضها البعض مع تراكم الجهد. مع العلم بهذا الاختلاف ، تمكنت الخوارزمية من التنبؤ جيدًا بوقت بدء التحول ؛ والمعلومات حول الأحداث السابقة مباشرة ساعدت في توضيح هذه التخمينات.
هذا الاكتشاف يمكن أن يكون له عواقب وخيمة. منذ عقود ، كان الناس يحاولون التنبؤ بالزلازل على أساس الصدمات الأولية وغيرها من الأحداث الزلزالية المنعزلة. تشير نتيجة لوس ألاموس إلى أنهم كانوا يبحثون جميعًا في المكان الخطأ - وأن مفتاح التنبؤات كان المعلومات الأقل وضوحًا التي يمكن جمعها خلال فترات الهدوء نسبيًا بين الأحداث الزلزالية الكبرى.
بطبيعة الحال ، لا تصف الكتل الزجاجية المنزلقة عن كثب التعقيد الكيميائي والحراري والمورفولوجي للأخطاء الجيولوجية الحقيقية. لإثبات قوة التعلم الآلي في التنبؤ بالزلازل الحقيقية ، احتاج جونسون إلى اختباره على أخطاء حقيقية. هل هناك مكان أفضل ، كما اعتقد ، من ساحل شمال غرب المحيط الهادئ؟
الخروج من المختبر
معظم الأماكن على الأرض التي قد تحدث فيها زلازل بلغت قوتها 9 هي
مناطق غوص حيث تزحف صفيحة تكتونية تحت أخرى. تقع منطقة الانحدار شرق اليابان مسؤولة عن
زلزال توهوكو وتسونامي اللاحق الذي دمر ساحل البلاد في عام 2011. وبمجرد أن تتدفق منطقة كاسكاديا للتلوث ، التي تزحف فيها صفيحة خوان دي فوكا تحت الجزء الشمالي من الحافة الغربية للوحة الشمالية الأمريكية ، إلى الخليج أيضًا Puget ، جزيرة فانكوفر والمحيط الهادئ شمال غرب المحيط.
تمتد منطقة الاستكشاف Cascadia لمسافة 1000 كم على طول ساحل المحيط الهادئ من Cape Mendochino في كاليفورنيا إلى Vancouver Island. في المرة الأخيرة التي حدث فيها زلزال في يناير عام 1700 ، تسببت في هزات بلغت قوتها 9 نقاط وموجات مدية وصلت إلى ساحل اليابان. تشير الدراسات الاستقصائية الجيولوجية إلى أن هذا الصدع أدى إلى حدوث زلازل عملاقة مماثلة خلال
الهولوسين مرة واحدة كل نصف مليون سنة ، بالإضافة إلى أو ناقص عدة مئات من السنين. إحصائيا ، يمكن أن يحدث ما يلي في أي قرن.
هذا هو أحد الأسباب التي تولي علماء الزلازل اهتمامًا وثيقًا للزلازل البطيئة في هذه المنطقة. من المعتقد أن الزلازل البطيئة في الجزء السفلي من منطقة الاندساس تحمل مقدارًا صغيرًا من الضغط في القشرة الهشة الموجودة أعلاه ، حيث تحدث صدمات سريعة ومدمرة. مع كل زلزال بطيء ، تكون فرص حدوث زلزال ضخم في منطقة خليج بوجيه - جزر فانكوفر أعلى قليلاً. في الواقع ، في اليابان ، لوحظ زلزال بطيء قبل عدة أشهر من زلزال توهوكو.
لكن لدى جونسون سبب آخر لتتبع الزلازل البطيئة: فهي تنتج كمية هائلة من البيانات. للمقارنة ، على مدى السنوات ال 12 الماضية ، لم يكن هناك زلزال واحد سريع كبير في خطأ خليج بوجيه - جزيرة فانكوفر. لكن خلال نفس الفترة ، تسبب هذا الخطأ في أكثر من عشرة زلازل بطيئة ، وتم تسجيل كل منها بعناية في الكتالوج الزلزالي.
هذا الكتالوج الزلزالي هو نسخة حقيقية من السجلات الصوتية التي تم الحصول عليها في تجارب جونسون المختبرية مع الزلازل. قام جونسون وزملاؤه ، بنفس الطريقة المتبعة في حالة التسجيلات الصوتية المختبرية الخاصة بهم ، بتقسيم البيانات السيزمية إلى شرائح صغيرة ، ووصف كل منهم بمجموعة من الميزات الإحصائية. ثم قاموا بتغذية هذه البيانات والمعلومات حول وقت حدوث الزلازل البطيئة السابقة لخوارزمية التعلم الآلي الخاصة بهم.
بعد التدريب على البيانات من 2007 إلى 2013 ، تمكنت الخوارزمية من التنبؤ بنجاح بالزلازل البطيئة التي حدثت من 2013 إلى 2018 استنادًا إلى البيانات المسجلة قبل عدة أشهر من كل حدث. كان العامل الرئيسي هو الطاقة الزلزالية - وهي قيمة مرتبطة ارتباطًا وثيقًا بتشتت الإشارة الصوتية في التجارب المعملية. مثل التشتت ، نمت الطاقة الزلزالية بشكل مميز تحسبا لكل زلزال بطيء.
لم تكن تنبؤات منطقة الاندماج Cascadia دقيقة كما هي الحال بالنسبة للزلازل المختبرية. كانت معاملات الارتباط التي تميز جودة تزامن التنبؤات مع الملاحظات أقل بكثير في النتائج الجديدة عنها في المختبر. ومع ذلك ، تمكنت الخوارزمية من التنبؤ بجميع الزلازل باستثناء عام واحد من عام 2013 إلى عام 2018 ، مما يشير إلى تواريخ البدء ، وفقًا لجونسون ، بدقة عدة أيام (لم يتم تضمين الزلزال البطيء في أغسطس 2019 في الدراسة).
بالنسبة إلى De Hoop ، فإن الاستنتاج الرئيسي هو أن "تقنيات التعلم الآلي قد منحتنا نقطة دخول ، وهي طريقة لتحليل البيانات للعثور على أشياء لم نرها أو نبحث عنها من قبل". ومع ذلك ، يحذر من أنه لا يزال هناك الكثير من العمل الذي يتعين القيام به. لقد اتخذنا خطوة مهمة - خطوة مهمة للغاية. ومع ذلك ، هذه خطوة صغيرة في الاتجاه الصحيح. "
الحقيقة واقعية
لم يكن الغرض من التنبؤ بالزلزال هو التنبؤ بالزلازل البطيئة. يحتاج الجميع إلى التنبؤ بالزلزال المفاجئ والكارثي الذي يهدد الحياة والصحة. بالنسبة للتعلم الآلي ، يبدو أن هذا يمثل مفارقة: أكبر الزلازل التي يرغب علماء الزلازل في توقعها هي الأقل احتمالًا لحدوثها. كيف يمكن لخوارزمية التعلم الآلي الحصول على بيانات تدريب كافية للتنبؤ بها بثقة؟
تعتقد مجموعة لوس ألاموس ، من حيث المبدأ ، أن خوارزمية هذه لن تحتاج إلى تدريب على البيانات التي تم الحصول عليها من سجلات الزلازل الكارثية من أجل التنبؤ بها بنجاح. تشير الدراسات الحديثة إلى أن الأنماط الزلزالية التي تسبق الزلازل الصغيرة تشبه إحصائيًا تلك التي تسبق الزلازل الكبيرة ، ويمكن أن تحدث العشرات من الزلازل الصغيرة في خطأ واحد في أي يوم. بعد أن تعلمت من الآلاف من هذه الصدمات الصغيرة ، قد يتمكن الكمبيوتر من التنبؤ بالصدمات الكبيرة. أيضًا ، قد تتمكن خوارزميات التعلم الآلي من التعلم من خلال المحاكاة الحاسوبية للزلازل السريعة ، والتي يمكن أن تصبح يومًا ما بديلاً عن البيانات الحقيقية.
لكن على الرغم من ذلك ، يواجه العلماء حقيقة واقعية: على الرغم من أن العمليات الفيزيائية التي تؤدي إلى حدوث خطأ على حافة الزلزال يمكن أن تصبح متوقعة ، فإن وقوع زلزال - نمو الاضطرابات الزلزالية الصغيرة ، مما يؤدي إلى حدوث صدع واسع النطاق - في رأي معظم العلماء ، يحتوي على عنصر الصدفة. إذا كان الأمر كذلك ، فبغض النظر عن جودة التعلم الآلي ، فقد لا يتمكنوا أبدًا من التنبؤ بالزلازل بالطريقة التي تمكن العلماء من التنبؤ بالكوارث الطبيعية الأخرى.
وقال جونسون: "لا نعرف بعد مدى دقة التواريخ لتقديم التنبؤات". - هل سيكون مثل التنبؤ بالأعاصير؟ لا ، لا أعتقد ذلك. "
في أحسن الأحوال ، ستعطي التنبؤات بالزلازل الكبيرة أطر زمنية من أسابيع أو شهور أو سنوات. لا يمكن استخدام مثل هذه التنبؤات ، على سبيل المثال ، لتنظيم الإخلاء الجماعي للمدن عشية الهزات. لكن يمكنهم تحسين الاستعداد لهذا الحدث ، ومساعدة المسؤولين على التركيز على تعزيز المباني غير الآمنة ، والحد من مخاطر الزلزال الكارثي.
جونسون يعتقد أن مثل هذا الهدف يستحق تحقيقه. ولكونه واقعيًا ، يدرك أنه سيستغرق الكثير من الوقت. وقال "أنا لا أقول أننا سنتعلم التنبؤ بالزلازل في حياتي ، لكننا سنحقق تقدماً هائلاً في هذا الاتجاه".