به گزارش مجله خبری نگار/ایمنا، پژوهشگران دانشگاه «وسترن اونتاریو» با همکاری مؤسسه زمینشناسی آمریکا و دانشگاه صنعتی سانتاندر در کلمبیا، موفق شدند با استفاده از الگوریتمهای یادگیری ماشین، بیش از ۸۶ هزار زمینلرزه پنهان را در ناحیه آتشفشانی یلواستون شناسایی کنند. این تعداد، ده برابر بیشتر از آماری است که پیش از این توسط روشهای سنتی ثبت شده بود.
مطالعه منتشرشده در مجله معتبر Science Advances نشان میدهد که این زلزلهها بیشتر در قالب خوشههای زلزلهای یا سوارمها (Earthquake Swarms) رخ دادهاند؛ زنجیرهای از زمینلرزههای کوچک که بدون وقوع زلزله اصلی (Mainshock) در بازه زمانی و مکانی محدود رخ میدهند. برخلاف پسلرزهها که دنبالهای از زلزلههای فرعی پس از زلزله بزرگ هستند، سوارمها الگوهای پیچیدهتری دارند و تاکنون کمتر درک شده بودند.
پروفسور «بینگ لی»، سرپرست این پژوهش، تأکید کرد که با درک بهتر از الگوهای لرزهای، میتوان سامانههای هشدار و ارزیابی خطرات زمینگرمایی را بهینهسازی کرد. به گفته وی، نتایج این تحقیق حتی میتواند در توسعه منابع انرژی زمینگرمایی بدون دخالت در مناطق خطرناک مؤثر واقع شود.
یافته مهم دیگر پژوهش، تأیید وجود ساختارهای گسلی جوان و ناهموار در زیر کاسه آتشفشانی یلواستون است. برخلاف گسلهای بالغ و صافتر در کالیفرنیا، این گسلها رفتار لرزهای بسیار متفاوتتری دارند. پژوهشگران با استفاده از مدلهای فراکتالی، توانستند زبری گسلها را اندازهگیری و ویژگیهای منحصربهفرد سوارمهای زلزلهای را تحلیل کنند.
کاربرد هوش مصنوعی در این مطالعه، تحولی بزرگ در زمینلرزهشناسی محسوب میشود؛ چرا که با بازکاوی دادههای لرزهنگاری بین سالهای ۲۰۰۸ تا ۲۰۲۲، کشفیات جدیدی از فعالیتهای زیرسطحی Yellowstone ارائه داده است، این کشف علمی نه تنها درک بهتری از خطرات احتمالی فوران آتشفشان یلواستون بهدست میدهد، بلکه الگویی پیشرفته برای تحلیل دادههای زمینلرزه در سایر مناطق فعال جهان نیز فراهم میکنند.