Machine Learning Classification of Global Seismic Phases: A Cross-Validated, Physics-Informed Evaluation Using the IMS2.0 Automatic Arrival Bulletin
تقيم هذه الدراسة مصنف "الغابة العشوائية" (Random Forest) الذي تم تدريبه على بيانات وصفية فيزيائية وإحصائية من نشرة الوصول التلقائي IMS2.0، حيث أظهر دقة بنسبة 87% في تحديد الأطوار الزلزالية العالمية، مما يسلط الضوء على إمكانية الجمع بين التعلم الآلي والمبادئ السيزمولوجية لتعزيز قدرات الرصد الخاصة بمنظمة معاهدة الحظر الشامل للتجارب النووية (CTBTO).
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
الأرض تتحدث باستمرار، مرسلةً تموجات من الطاقة كلما تحركت التربة، سواء كان ذلك بسبب زلزال بعيد، أو هزة بركانية، أو دويّ عميق في المحيط. وللاستماع إلى هذه المحادثة، بنى العلماء شبكة عالمية من الأدوات الحساسة تسمى "نظام المراقبة الدولي". هذه الشبكة، التي تديرها منظمة مكرسة للتحقق من معاهدة ضد التجارب النووية، تفرض رقابة على الكوكب على مدار أربع وعشرين ساعة. مهمتها هي رصد هذه الاهتزازات، وتحديد مصدرها، وتقرير نوع الحدث الذي تسبب فيها. النظام مشغول للغاية، حيث يولد تدفقاً مستمراً من البيانات التي تشمل وقت وصول الموجة، ومدى قوتها، والاتجاه الذي أتت منه. ومع ذلك، فإن فرز هذا الفيض من المعلومات أمر صعب؛ إذ يجب على النظام التمييز بين أنواع مختلفة من الأمواج، مثل الأمواج الأولية سريعة الحركة التي تسافر عبر لب الكوكب، والأمواج الأبطأ التي تلامس القشرة الأرضية، والأمواج الغامضة التي تسافر عبر المحيط. وأحياناً، تكون الإشارات باهتة جداً أو مختلطة بضجيج الخلفية لدرجة أن أفضل البرامج الحاسوبية التلقائية تجد صعوبة في التمييز بينها.
قرر فريق من الباحثين من جامعة نيروبي اختبار ما إذا كان التعلم الحاسوبي الحديث يمكن أن يساعد في حل مشكلة الفرز هذه. ركزوا على لقطة سريعة ومحددة من البيانات التي جمعها نظام المراقبة في يوم واحد من شهر أغسطس عام 2026. احتوت هذه اللقطة على ما يقرب من خمسة عشر ألف رصد موجي فردي من محطات في جميع أنحاء العالم. وبدلاً من تغذية الحاسوب بتسجيلات صوتية خام، وهو ما يتطلب كميات هائلة من البيانات وقدرة معالجة ضخمة، استخدم الباحثون الملاحظات الملخصة التي ينشئها النظام بالفعل لكل رصد. تشمل هذه الملاحظات أرقاماً بسيطة مثل الاتجاه الذي أتت منه الموجة، والسرعة التي بدت تتحرك بها، ومدى علو صوتها، ومدة استمرارها. لقد قاموا بتدريب نموذج حاسوبي، يُعرف باسم "الغابة العشوائية" (Random Forest)، ليتفحص هذه الأرقام ويخمن نوع الموجة. كان الهدف هو معرفة ما إذا كان بإمكان الآلة تعلم الأنماط الدقيقة في هذه الملاحظات بشكل أفضل من القواعد المستخدمة حالياً في نظام المراقبة، وفهم أين نجحت الآلة تماماً وأين ارتبكت.
أظهرت النتائج أن النموذج الحاسوبي كان بارعاً بشكل ملحوظ في تحديد الأنواع الأكثر شيوعاً وتميزاً من الأمواج. فعندما كانت الإشارات واضحة وتسافر لمسافات طويلة عبر الكوكب، حددها النموذج بشكل صحيح بنسبة تقترب من خمسة وتسعين بالمائة. وقد حقق نجاحاً خاصاً في رصد الأمواج الأولية التي تسافر عبر أعماق الأرض والأمواج الإقليمية التي تتحرك عبر القشرة. ووجد الباحثون أن النموذج اعتمد بشكل كبير على دليلين محددين: اتجاه الموجة وسرعتها. وهذا منطقي تماماً، فهذان العاملان هما أكثر الطرق موثوقية للتمييز بين أنواع الأمواج الزلزالية المختلفة. لقد تعلم الحاسوب أن الأمواج التي تسافر بسرعات معينة من اتجاهات محددة تنتمي دائماً تقريباً إلى فئة معينة، مما يؤكد أن الآلة لم تكن مجرد تخمن، بل كانت تتعلم بالفعل القوانين الفيزيائية التي تحكم كيفية انتقال الطاقة عبر الأرض.
ومع ذلك، كشفت الدراسة أيضاً عن المواضع التي يصطدم فيها التطور التكنولوجي بحائط مسدود. فقد عانى النموذج بشكل كبير مع نوعين محددين من الرصد: "مرحلة تي" (T-phase)، وهي أمواج تسافر عبر المحيط، و"فئة إن" (N-class)، وهي إشارات تبدو كضجيج خلفية عشوائي. غالباً ما خلط الحاسوب بينهما، أو صنف أحدهما خطأً، محققاً نسبة نجاح أقل بكثير مما حققه مع الأمواج الأخرى. بحث الباحثون في سبب حدوث ذلك ووجدوا أن المشكلة لم تكن خللاً في "عقل" الحاسوب، بل كانت قصوراً في المعلومات المقدمة له. فالملاحظات الملخصة المستخدمة لرصد "مرحلة تي" وضجيج الخلفية لم تكن تحتوي على تفاصيل كافية للفصل بينهما. فالأمواج التي تسافر عبر المحيط والضجيج العشوائي غالباً ما تبدو متشابهة جداً من حيث السرعة والاتجاه، وافتقرت الملاحظات إلى التفاصيل الأعمق لشكل الموجة التي قد تسمح للحاسوب بالتمييز بينهما.
هذا التمييز أمر بالغ الأهمية لمستقبل المراقبة العالمية. تثبت الدراسة أنه بالنسبة للغالبية العظمى من الأحداث الزلزالية، فإن البيانات الموجودة التي يجمعها نظام المراقبة غنية بما يكفي لدعم نظام تصنيف تلقائي عالي الدقة. يمكن الآن الوثوق بالحاسوب لفرز الإشارات الواضحة وتحديد الإشارات الهامة، مما قد يوفر على المحللين البشريين عناء مراجعة كل رصد على حدة. ومع ذلك، فإن البحث يحدد بوضوح حدود الممكن باستخدام البيانات الحالية. فمن أجل تحسين تحديد أمواج المحيط وإشارات الخلفية الخافتة، يحتاج النظام إلى تجاوز الملاحظات الملخصة البسيطة وتحليل الشكل الفعلي للموجات الصوتية نفسها. وإلى أن يحدث ذلك، سيظل الحاسوب ممتازاً في الاستماع إلى صوت الأرض الواضح، لكنه سيظل بحاجة إلى مساعدة البشر لفهم همساتها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.