एक नया कृत्रिम बुद्धिमत्ता दृष्टिकोण भूकंप के बाद के झटकों के स्थान की भविष्यवाणी करने में मदद कर सकता है
भूकंप एक ऐसी घटना है जो पृथ्वी की पपड़ी में भूमिगत चट्टान के भूवैज्ञानिक फॉल्ट लाइन के आसपास अचानक टूटने से उत्पन्न होती है। इससे ऊर्जा का तीव्र उत्सर्जन होता है जिससे भूकंपीय तरंगें उत्पन्न होती हैं और फिर जमीन हिलने लगती है, यही वह अनुभूति है जो हमें भूकंप के दौरान होती है। जिस स्थान पर चट्टान टूटती है उसे भूकंप का केंद्र (फोकस) और उसके ठीक ऊपर स्थित स्थान को उपरिकेंद्र (एपीसेंटर) कहते हैं। उत्सर्जित ऊर्जा को परिमाण (मैग्नीट्यूड) के रूप में मापा जाता है, जो भूकंप की तीव्रता का वर्णन करने वाला एक पैमाना है। 2 तीव्रता का भूकंप मुश्किल से ही महसूस किया जा सकता है और इसे केवल संवेदनशील विशेष उपकरणों के उपयोग से ही रिकॉर्ड किया जा सकता है, जबकि 8 से अधिक तीव्रता के भूकंप जमीन को बहुत तेजी से हिला सकते हैं। भूकंप के बाद आमतौर पर कई आफ्टरशॉक आते हैं जो समान प्रक्रिया से उत्पन्न होते हैं और समान रूप से विनाशकारी होते हैं, और कई बार उनकी तीव्रता और तीव्रता मूल भूकंप के समान होती है। ऐसे भूकंप के बाद के झटके आमतौर पर मुख्य भूकंप के पहले घंटे या एक दिन के भीतर आते हैं । आफ्टरशॉक के स्थानिक वितरण का पूर्वानुमान लगाना बहुत चुनौतीपूर्ण है।
वैज्ञानिकों ने भूकंप के बाद आने वाले झटकों के आकार और समय का वर्णन करने के लिए अनुभवजन्य नियम बनाए हैं, लेकिन उनके सटीक स्थान का पता लगाना अभी भी एक चुनौती है। गूगल और हार्वर्ड विश्वविद्यालय के शोधकर्ताओं ने नेचर पत्रिका में प्रकाशित अपने अध्ययन में कृत्रिम बुद्धिमत्ता तकनीक का उपयोग करके भूकंपों का आकलन करने और भूकंप के बाद आने वाले झटकों के स्थान का पूर्वानुमान लगाने के लिए एक नया तरीका विकसित किया है। उन्होंने विशेष रूप से कृत्रिम बुद्धिमत्ता के एक पहलू, मशीन लर्निंग का उपयोग किया है। मशीन लर्निंग पद्धति में, एक मशीन डेटा के एक समूह से 'सीखती' है और इस ज्ञान को प्राप्त करने के बाद, वह इस जानकारी का उपयोग नए डेटा के बारे में भविष्यवाणियां करने के लिए कर सकती है।
शोधकर्ताओं ने सबसे पहले डीप लर्निंग एल्गोरिदम का उपयोग करके वैश्विक भूकंपों के डेटाबेस का विश्लेषण किया। डीप लर्निंग मशीन लर्निंग का एक उन्नत प्रकार है जिसमें न्यूरल नेटवर्क मानव मस्तिष्क की सोचने की प्रक्रिया की नकल करने का प्रयास करते हैं। इसके बाद, उनका लक्ष्य भूकंप के बाद आने वाले झटकों का अनुमान लगाने की तुलना में बेहतर पूर्वानुमान लगाना और यह पता लगाना था कि ये झटके कहाँ आएंगे। दुनिया भर में आए 199 से अधिक बड़े भूकंपों से एकत्रित डेटा का उपयोग किया गया, जिसमें लगभग 131,000 मुख्य भूकंप-बाद के झटकों के जोड़े शामिल थे। इस जानकारी को एक भौतिकी-आधारित मॉडल के साथ जोड़ा गया, जो यह बताता है कि भूकंप के बाद पृथ्वी पर किस प्रकार तनाव और खिंचाव उत्पन्न होगा, जिससे बाद के झटके उत्पन्न होंगे। उन्होंने 5 किलोमीटर वर्ग के ग्रिड बनाए, जिनके भीतर सिस्टम बाद के झटकों की जाँच करेगा। न्यूरल नेटवर्क मुख्य भूकंप के कारण उत्पन्न तनाव और बाद के झटकों के स्थान के बीच संबंध स्थापित करेगा। इस प्रकार न्यूरल नेटवर्क सिस्टम को अच्छी तरह से प्रशिक्षित करने के बाद, यह बाद के झटकों के स्थान का सटीक पूर्वानुमान लगाने में सक्षम हो गया। यह अध्ययन अत्यंत चुनौतीपूर्ण था क्योंकि इसमें भूकंपों के जटिल वास्तविक डेटा का उपयोग किया गया था। शोधकर्ताओं ने पूर्वानुमान तैयार करने के लिए कृत्रिम और कुछ हद तक 'आदर्श' भूकंपों का प्रयोग किया और फिर उन पूर्वानुमानों की जांच की। न्यूरल नेटवर्क के आउटपुट का विश्लेषण करते हुए, उन्होंने यह समझने की कोशिश की कि कौन-कौन से कारक भूकंप के बाद आने वाले झटकों के पूर्वानुमान को प्रभावित कर सकते हैं। स्थानिक तुलना करने के बाद, शोधकर्ता इस निष्कर्ष पर पहुंचे कि भूकंप के बाद आने वाले झटकों का एक विशिष्ट पैटर्न भौतिक रूप से 'व्याख्यायित' किया जा सकता है। टीम का सुझाव है कि विचलन तनाव के दूसरे प्रकार (जिसे संक्षेप में J2 कहा जाता है) नामक एक मात्रा ही इसमें महत्वपूर्ण भूमिका निभाती है। यह मात्रा अत्यंत व्याख्या योग्य है और धातु विज्ञान और अन्य क्षेत्रों में इसका नियमित रूप से उपयोग किया जाता है, लेकिन भूकंपों के अध्ययन के लिए इसका उपयोग पहले कभी नहीं किया गया है।
भूकंप के बाद आने वाले झटके और भी ज्यादा चोटें पहुंचाते हैं, संपत्ति को नुकसान पहुंचाते हैं और बचाव कार्यों में बाधा डालते हैं, इसलिए इनका पूर्वानुमान लगाना मानवता के लिए जीवनरक्षक साबित हो सकता है। फिलहाल वास्तविक समय में पूर्वानुमान संभव नहीं है क्योंकि वर्तमान एआई मॉडल केवल एक विशेष प्रकार के भूकंप के बाद आने वाले झटकों और सरल भूवैज्ञानिक फॉल्ट लाइन का ही विश्लेषण कर सकते हैं। यह महत्वपूर्ण है क्योंकि पृथ्वी पर विभिन्न भौगोलिक स्थानों पर भूवैज्ञानिक फॉल्ट लाइनों की ज्यामिति अलग-अलग होती है । इसलिए, यह तकनीक फिलहाल दुनिया भर में आने वाले विभिन्न प्रकार के भूकंपों पर लागू नहीं हो सकती। फिर भी, कृत्रिम बुद्धिमत्ता तकनीक भूकंपों के लिए उपयुक्त प्रतीत होती है क्योंकि इनका अध्ययन करते समय कई कारकों पर विचार करना आवश्यक होता है, जैसे कि झटके की तीव्रता, विवर्तनिक प्लेटों की स्थिति आदि।
तंत्रिका नेटवर्क को समय के साथ बेहतर बनाने के लिए डिज़ाइन किया गया है, अर्थात जैसे-जैसे अधिक डेटा एक सिस्टम में फीड किया जाता है, अधिक सीखने की प्रक्रिया होती है और सिस्टम में लगातार सुधार होता है। भविष्य में ऐसी प्रणाली भूकंप विज्ञानियों द्वारा उपयोग की जाने वाली भविष्यवाणी प्रणालियों का एक अभिन्न अंग हो सकती है। योजनाकार भूकंप के व्यवहार के ज्ञान के आधार पर आपातकालीन उपायों को भी लागू कर सकते थे। टीम भूकंप की तीव्रता का अनुमान लगाने के लिए कृत्रिम बुद्धिमत्ता तकनीक का उपयोग करना चाहती है।
***
स्रोत (रों)
डेव्रीज़ पीएमआर एट अल. 2018. बड़े भूकंपों के बाद आने वाले आफ्टरशॉक पैटर्न का डीप लर्निंग। नेचर 560(7720)। डीओआई: https://doi.org/10.1038/s41586-018-0438-y
***
