Berta Sándor
Földrengések elemzése mesterséges intelligencia segítségével
Neurális hálózattal először jelezhető előre a szeizmikus hullámok érkezése, ezáltal jobb lehet a jelenlegi rendszer.
A földrengéshullámok optimális kiértékeléséhez eddig sok emberi tudásra volt szükség. Azonban az egyre több és érzékenyebb műszerek telepítésével, és ezzel együtt az információmennyiség növekedésével folyamatosan egyre nagyobb a kiértékeléssel kapcsolatos kihívás is. Erre kínálnak megoldást a Karlsruhei Technológiai Intézet (KIT), melynek neurális hálózatával sokkal több adatot lehet az eddiginél gyorsabban kielemezni. A számítógép segítségével precízebben lehet megállapítani a földrengések epicentrumait, annak köszönhetően pedig azonosítani a mélyben zajló folyamatokat, amelyekből pedig a földmag felépítésére lehet következtetni.
A szeizmográfok által rögzített adatok manuális kiértékelésekor a pontosságot befolyásolja a szakember szubjektivitása. A folyamat időigényes, már csak azért is, mert a szeizmográf-hálózatok is egyre nagyobbak lesznek. Ahhoz, hogy minden információt gyorsan lehessen használni, szükség van az automatikus kiértékelésekre. Azonban az eddig kifejlesztett algoritmusok nem érték el egy tapasztalt szakértő manuális elemzési pontosságát, ráadásul a földrengések kialakulása rendkívül összetett folyamat és a szeizmikus hullámmezőket számos fizikai folyamat befolyásolja.
Andreas Rietbrock professzor, a Karlsruhei Technológiai Intézet Geofizikai Intézetének munkatársa közölte, hogy az eredményeik azt mutatják, hogy a mesterséges intelligencia a földrengések elemzésén jelentős mértékben javíthat nem csupán a nagy, hanem a kisebb adatmennyiségek esetében is.
Ugyanakkor a KTI, a Liverpooli Egyetem és a Granadai Egyetem tudósainak mostani közös kutatása bebizonyította, hogy a mesterséges intelligencia ugyanúgy képes kiértékelni az adatokat, mint az ember. Az alkalmazott konvolúciós neurális hálózatot (CNN) a biológiai idegrendszer inspirálta és egymással összekötött mesterséges neuronok különböző rétegeiből tevődnek össze. A gépi tanulásnál az egyes felismert és tanult jellemzők rétegről rétegre továbbítódnak és eközben egyre finomulnak. A kutatók a hálózatot 411 chilei földrengés-esemény segítségével képezték és azután a rendszer a fő- és az utórengés-szakaszokat közel ugyanolyan pontossággal határozta meg, mint egy tapasztalt szeizmológus.
A földrengéshullámok optimális kiértékeléséhez eddig sok emberi tudásra volt szükség. Azonban az egyre több és érzékenyebb műszerek telepítésével, és ezzel együtt az információmennyiség növekedésével folyamatosan egyre nagyobb a kiértékeléssel kapcsolatos kihívás is. Erre kínálnak megoldást a Karlsruhei Technológiai Intézet (KIT), melynek neurális hálózatával sokkal több adatot lehet az eddiginél gyorsabban kielemezni. A számítógép segítségével precízebben lehet megállapítani a földrengések epicentrumait, annak köszönhetően pedig azonosítani a mélyben zajló folyamatokat, amelyekből pedig a földmag felépítésére lehet következtetni.
A szeizmográfok által rögzített adatok manuális kiértékelésekor a pontosságot befolyásolja a szakember szubjektivitása. A folyamat időigényes, már csak azért is, mert a szeizmográf-hálózatok is egyre nagyobbak lesznek. Ahhoz, hogy minden információt gyorsan lehessen használni, szükség van az automatikus kiértékelésekre. Azonban az eddig kifejlesztett algoritmusok nem érték el egy tapasztalt szakértő manuális elemzési pontosságát, ráadásul a földrengések kialakulása rendkívül összetett folyamat és a szeizmikus hullámmezőket számos fizikai folyamat befolyásolja.
Andreas Rietbrock professzor, a Karlsruhei Technológiai Intézet Geofizikai Intézetének munkatársa közölte, hogy az eredményeik azt mutatják, hogy a mesterséges intelligencia a földrengések elemzésén jelentős mértékben javíthat nem csupán a nagy, hanem a kisebb adatmennyiségek esetében is.
Ugyanakkor a KTI, a Liverpooli Egyetem és a Granadai Egyetem tudósainak mostani közös kutatása bebizonyította, hogy a mesterséges intelligencia ugyanúgy képes kiértékelni az adatokat, mint az ember. Az alkalmazott konvolúciós neurális hálózatot (CNN) a biológiai idegrendszer inspirálta és egymással összekötött mesterséges neuronok különböző rétegeiből tevődnek össze. A gépi tanulásnál az egyes felismert és tanult jellemzők rétegről rétegre továbbítódnak és eközben egyre finomulnak. A kutatók a hálózatot 411 chilei földrengés-esemény segítségével képezték és azután a rendszer a fő- és az utórengés-szakaszokat közel ugyanolyan pontossággal határozta meg, mint egy tapasztalt szeizmológus.