Sarsıntısı evvelden varsayım etmek mümkün mü? Bilim insanları bunun için çalışıyor!

Bilim insanları, büyük bir zelzelenin tam olarak ne vakit ve nerede meydana geleceğini ve bunun ne kadar büyük olacağını varsayım etmek için yıllardır büyük gayret gösteriyor. Şu ana kadar araştırmalar yetersiz kalmış olsa da, umut verici gelişmeler yok değil.

New Mexico’daki Los Alamos Ulusal Laboratuvarı’nda bir jeofizikçi olan Dr. Paul Johnson, grubunun sarsıntı varsayımını hayal olmaktan çıkartabilecek bir araç geliştirmesine öncülük ettiğini söylüyor. Günümüzdeki pek çok bilimsel teşebbüste olduğu üzere, araştırma takımının yaklaşımı da makine tahsili (ML) biçimindeki yapay zekayı (AI) temel alıyor.

Ancak sismologlar için makine tahsilinin kullanımı şimdi başlangıç kademesinde. En yaygın sarsıntı olayları olan tutma – bırakma sarsıntıları için mevcut olan nicel dataların (deprem büyüklükleri, sarsıntı şiddetleri gibi) olmaması ise zorluğu arttırıyor.

Büyük zelzeleler, Dünya’nın tektonik plakaları ortasındaki hudutlarda yahut sonların yakınında jeolojik fayların hareketinden kaynaklanıyor ve araştırmacılar temel olarak bu noktalarda bilgi arıyor. Fakat tutma – bırakma zelzeleleri için, yıkıcı kaymadan evvelki süreç çok uzun vakit alıyor ve gerinim biriktikçe bir fay üzerinde çok az hareket oluyor. Araştırmacıların sarsıntıları düzgün bir halde incelemek için, gerçekleştikleri anda belgelemeleri gerekiyor. Bunun zorluğundan ötürü, bilgi kümesi epey hudutlu kalıyor.

Dr. Johnson ise farklı tıpta bir sismik aktiviteye yöneliyor: Yavaş – kaymalı depremler. Emsal halde tektonik levhaların hareketinden kaynaklanan bu olaylar, tutma – bırakma olaylarındaki saniyelerin bilakis saatler, günler ve hatta haftalara yayılıyor. Bu olayların yavaşlığı, araştırmacılar için büyük bir hazine olabiliyor. Bu uzun süreçlerden, hudut ağını sismik aktiviteyi varsayım etmek için daha güzel eğitebilecek bir dizi data noktası üretilmesi mümkün oldu.

Araştırma takımının makine tahsili sistemi, Kuzeybatı Pasifik’in Cascadia Batma Bölgesi’nde kestirime dayalı yetenekler gösterdi. Yavaş fay hareketlerinden yayılan 12 yıllık sismik ses kaydını dinleyen sistem, onlardan evvel gelen sismik sinyallere dayalı olarak geçmiş yavaş kayma olaylarını yansıtmak (geçmiş olayları tekrar oluşturmak) için modeller arayabildi. Bu yansıtmayla, takımın bir hafta kadar sonra ne olacağını kestirim edebileceği gösterildi.

Dr. Johnson’ın çalışması, makine tahsili tekniklerinin sismik olaylarda (yavaş kayma) nitekim kullanılabilir olduğunu gösterse de, bu öngörüyü sarsıntılara (tutma – bırakma) kadar genişletmek için data eksikliğinin telafi edilmesi gerekecek. Araştırmacılar, bu eksiği gidermek hedefiyle bir laboratuvarda tutma – bırakma olaylarını taklit etmek emeliyle minyatür sarsıntıları simüle ettiler. Toplanan datalar kullanılarak, laboratuvar zelzelesinin ince ayarlı bir sayısal simülasyonu oluşturuldu ve daha sonra gerçek olaylardan alınan datalarla birleştirildi.

Sonuç olarak bir laboratuvar zelzelesinin ne vakit meydana geleceğini varsayım etmede tesirli olan tesirli bir makine tahsili modeli elde edildi.

Dr. Johnson’ın takımı, zelzele iddialarını gelecekte gerçek bir jeolojik faya, muhtemelen San Andreas fayına uygulamayı planlıyor. Fayın sayısal simülasyonundan elde edilen datalar ile gerçek sarsıntılardan elde edilen dataların kombinasyonu, ML sistemlerini eğitmek için kullanılacak.

Modelin eğitim datalarında yer almayan sismik olayları varsayım etmek için ne kadar doğrulukla kullanılabileceğini görmek için daha fazla araştırma ve çalışma gerekecek. Fakat her şey yolunda giderse, sismologlar yakında sarsıntıları evvelce iddia edecek kadar yanlışsız araçlara sahip olabilir.