Yıkıcı Depremleri Tahmin Edebilen Sinir Ağları Geliştirildi
RIKEN araştırmacılarına göre, yapay bir sinir ağı, gelecekteki yıkıcı depremlerin zamanlamasını ve boyutunu tahmin etme yolunda ilk adımlarını attı. Araştırmacıların makalesi, Nature Communications dergisinde yayımlandı.
Depremler tipik olarak yerkabuğunun bazı kısımları, kayadaki bir kırık ya da fay etrafında aniden hareket ettiğinde meydana gelir. Bu durum, çevredeki bölgeyi sarsan ve bazen Türkiye ve Suriye’de Şubat ayında meydana gelen depremde olduğu gibi muazzam bir yıkıma yol açan büyük miktarda gerilme enerjisini serbest bırakır.
Bir depremin meydana gelmeden önce tahmin edilmesi, insanlara tehdit altındaki bölgeleri tahliye etmeleri için yeterli zamanı verebilir ve potansiyel olarak binlerce hayatı kurtarabilir. Ancak deprem tahmini herkesin bildiği gibi oldukça zordur.
Depremlerin matematiksel modellerini oluşturmak için araştırmacılar genellikle kristallerin yapılarındaki kusurlara bir benzetme yaparlar: Kristallerdeki çatlaklar yerkabuğundaki faylara benzer. Kabuk faylarının hareketine uygulandığında, bu “dislokasyon modelleri” depremler sırasında yer kabuğunun hareketini ve deformasyonunu tanımlar.
Buna karşılık, RIKEN İleri Zeka Projesi Merkezi’nden (AIP) Naonori Ueda liderliğindeki bir ekip, fizik bilgisine sahip sinir ağı (PINN) adı verilen fiziksel yasaları öğrenen bir sinir ağı uygulamayı düşündü. Geleneksel sinir ağları girdiler ve çıktılar arasındaki işlevsel ilişkileri öğrenirken, PINN’ler kısmi diferansiyel denklemlerle tanımlanan fiziksel bir modeli karşılamayı öğrenmeleri bakımından farklılık gösterir.
Ancak ekip, sürekli fonksiyonları öğrenen bir PINN’nin, yer değiştirmenin bir fay hattı boyunca süreksiz olduğu kabuk deformasyon modelleri gibi durumlara doğrudan uygulanmasının zor olacağını keşfetti.
Ueda ve çalışma arkadaşları, faylar boyunca süreksizliği ele almak için özel olarak tasarlanmış bir koordinat sistemi kullanarak bu zorluğun üstesinden geldi. Bu sayede, faylara yakın bölgelerde bile yerkabuğunun deformasyonunu doğru bir şekilde modelleyebildiler.
Ueda, “Önerilen modelleme, yüksek hassasiyetli bir tahmin gerçekleştirme potansiyeline sahip.” diyor.
Araştırmacılar sinir ağlarını veri yerine fiziksel yasaları kullanarak eğittiler, bu da veri toplamanın zor olabileceği uygulamalar için ideal.
Araştırmacılar, yaklaşımın etkinliğini göstermek için fizik bilgisine sahip sinir ağlarını, yerkabuğunun iki bloğunun dikey bir kırık etrafında yatay olarak hareket ettiği çarpma-kayma faylarını modellemek için uyguladılar. Ağ, Dünya’nın içindeki belirli bir konum hakkındaki bilgileri, o noktadaki kabuksal yer değiştirme miktarının bir tahminine dönüştürebildi.
Yine AIP’den Tomohisa Okazaki, “Bu çalışma PINN’in karmaşık yapılardaki kabuk deformasyonunu doğru bir şekilde modelleme yeteneğini gösterdi.” diyor.
PINN’ler nispeten yeni bir makine öğrenimi biçimini temsil ediyor ve araştırmacılar yaklaşımlarının kabuk deformasyonunu içeren diğer birçok soruna uygulanabileceğini umuyorlar.
Kaynak: https://phys.org
Derleyen: Simge Kara
Dünya’da en fazla kaç büyüklüğünde deprem meydana gelebilir?