← أحدث الأبحاث
🔬 الفيزياء

Machine-learned acceleration of earthquake sequence simulations

تقترح هذه الورقة إطار عمل نمذجة هجين يجمع بين حلّال شبه ديناميكي تقليدي ومؤثر فوريه عصبي مُدرب لمحاكاة تتابعات الزلازل بكفاءة، محققاً تسارعاً حوسبياً مع إعادة إنتاج الإحصاءات طويلة المدى والآثار العطالية الناجمة عن الموجات بدقة، وهي الأمور التي تغفل عنها التقريبات القياسية.

المؤلف الأصلي: Reo Yanagi, Taeho Kim, Kaushik Bhattacharya, Nadia Lapusta

نُشر 2026-11-19
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

المؤلف الأصلي: Reo Yanagi, Taeho Kim, Kaushik Bhattacharya, Nadia Lapusta

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلف ولم يصادق عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

ليست الزلازل مجرد هزات عنيفة ومفاجئة للأرض؛ بل هي ذروة تراكم تدريجي للضغط على مدى عقود على طول الشقوق في قشرة الأرض. وبين هذه التصدعات العنيفة، يتحرك الصدع ببطء غير محسوس، وهو زحف هادئ يراكم الطاقة على مدار سنوات أو قرون. وعندما يتغلب الإجهاد أخيراً على الاحتكاك الذي يمسك الصخور معاً، ينزلق الصدع في جزء من الثانية، مرسلاً موجات من الطاقة التي تهز السطح. ولفهم كيفية عمل هذه الدورات، يجري العلماء محاكاة حاسوبية تتبع سلوك الصدع على مدى آلاف السع من الزمن. ومع ذلك، تواجه هذه المحاكاة عقبة هائلة: إذ يجب على الحاسوب حساب الفترات البطيئة والهادئة بخطوات كبيرة، ولكن بمجرد بدء الزلزال، يجب عليه الانتقال إلى خطوات صغيرة ومضطربة لالتقاط موجات الطاقة السريعة. هذا التحول يجعل محاكاة دورة زلزال كاملة بطيئة للغاية ومكلفة للغاية، وغالباً ما يتطلب الأمر من الحاسوب تذكر كل حركة من الماضي لحساب الحاضر، وهي مهمة تثقل كاهل حتى أقوى الأجهزة بسرعة.

وجد فريق من الباحثين في معهد كاليفورنيا للتكنولوجيا طريقة لتجاوز هذه العقبة الحسابية دون فقدان الفيزياء الجوهرية. فقد طوروا طريقة جديدة تجمع بين محاكاة تقليدية بطيئة الحركة وبين اختصار ذكي يعتمد على التعلم الآلي. فبدلاً من إجبار الحاسوب على حساب كل اهتزاز دقيق أثناء الزلزال نفسه، قاموا بتدريب شبكة عصبية متخصصة لتعمل كـ "خريطة قفز". تعلمت هذه الشبكة من آلاف عمليات المحاكاة عالية الدقة والقصيرة ما يحدث للصدع مباشرة قبل وبعد التصدع. وبمجرد تدريبها، يمكن للشبكة التنبؤ فوراً بالحالة النهائية للصدع بعد الزلزال، متجاوزة الحاجة إلى محاكاة الثواني الفوضوية المليئة بالموجات في المنتصف. ومن ثم يستخدم الحاسوب برنامج حل قياسي وفعال للتعامل مع فترات تراكم الإجهاد الطويلة والبطيئة، ولا يستعين بالشبكة العصبية إلا عند اكتشاف حدوث تصدع.

اختبر الباحثون هذا النهج الهجين على نوعين مختلفين من نماذج الصدوع: أحدهما يحتوي على قسم منتظم وناعم ينزلق بسهولة، والآخر يحتوي على قسم أكثر تعقيداً ومرقعاً حيث تقاوم بعض الأجزاء الحركة أكثر من غيرها. وفي كلتا الحالتين، نجحت الطريقة الجديدة في إعادة إنتاج الإحصاءات طويلة المدى للمحاكاة التفصيلية الكاملة. فقد تنبأت بدقة بمدى تكرار حدوث الزلازل بأحجام مختلفة والوقت الذي سيمر بينها. والأهم من ذلك، أن النموذج الهجين التقط التأثيرات المعقدة التي تتوسطها الموجات والتي تغفل عنها الطرق الأقدم والأبسط. فغالباً ما تتجاهل التقريبات التقليدية الموجات العطالية التي تنتقل عبر الصخر أثناء الزلزال، بافتراض أن تغيرات الإجهاد تحدث بشكل فوري ومحلي. ومع ذلك، يحتفظ النهج الجديد بتأثير هذه الموجات لأنه تعلمها من البيانات التفصيلية. ونتيجة لذلك، قدم النموذج الهجين صورة أكثر دقة لسلوك الزلازل من التقريبات القياسية المستخدمة اليوم، بينما كان يعمل بسرعة تبلغ ثمانية إلى اثني عشر ضعفاً تقريباً.

يأتي هذا التسريع من الاختزال الكبير في الوقت المستغرق في الجزء الأكثر صعوبة من الحساب. ففي عمليات المحاكاة التفصيلية الكاملة، استغرق حساب حدث زلزالي واحد من الحاسوب ما يقرب من دقيقتين للصدع الأبسط وأكثر من أربع دقائق للصدع المعقد. أما في النموذج الهجين، فقد قامت الشبكة العصبية بنفس المهمة في جزء من الثانية. وفي محاكاة تمتد لـ 20,000 عام، تعني هذه الكفاءة أن النموذج الهجين انتهى في حوالي 11 ساعة، مقارنة بـ 84 ساعة للنسخة التفصيلية الكاملة. وبالنسبة لمحاكاة الـ 40,000 عام للصدع المعقد، انخفض الوقت من ما يقرب من ستة أيام إلى ما يزيد قليلاً عن 11 ساعة. وبعيداً عن السرعة، ألغت الطريقة الجديدة أيضاً الحاجة إلى تخزين كميات هائلة من البيانات التاريخية حول حركات الصدع الماضية، مما وفر مساحة كبيرة في ذاكرة الحاسوب.

تؤكد الدراسة أنه يمكن استخدام التعلم الآلي لتسريع عمليات المحاكاة الفيزيائية المعقدة دون التضحية بالدقة اللازمة لفهم الظواهر الواقعية. فمن خلال تعلم "القفزة" من بداية التصدع إلى نهايته، تلتقط الشبكة العصبية الفيزياء الأساسية للزلزال مع تجاهل التفاصيل المكلفة حسابياً لانتشار الموجات. ويسمح هذا النهج للعلماء بإجراء محاكاة طويلة المدى كانت في السابق مكلفة للغاية بحيث يصعب القيام بها، مما يفتح الباب أمام تنبؤات إحصائية أفضل لتسلسلات الزلازل. ويشير الباحثون إلى أنه يمكن توسيع هذه التقنية لتشمل الصدوع ثلاثية الأبعاد والعمليات الفيزيائية الأكثر تعقيداً، مثل تسخين الصخور أثناء الانزلاق أو سلوك السوائل داخل الصدع. ويظهر هذا العمل أنه من خلال الجمع بين موثوقية الفيزياء التقليدية وسرعة الأنماط المتعلمة، من الممكن محاكاة أكثر أحداث الأرض عنفاً بمستوى جديد من الكفاءة والبصيرة.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →