อัลกอริธึมปัญญาประดิษฐ์ที่เดิมพัฒนาขึ้นสำหรับฟิสิกส์ดาราศาสตร์ ได้เปิดเผยคุณลักษณะที่ไม่เคยรู้จักมาก่อนบนขอบเขตของเยื่อหุ้มแกนกลางที่อยู่ลึกลงไปในโลก อัลกอริธึมอนุญาตให้นักวิจัยในสหรัฐอเมริกาค้นหารูปแบบในข้อมูลแผ่นดินไหวที่ดูเหมือนไม่เชื่อมโยงกันจากแหล่งต่างๆ และทีมงานเชื่อว่าเทคนิคใหม่นี้สามารถรวบรวมข้อมูลเชิงลึกจากชุดข้อมูลธรณีฟิสิกส์ประเภทอื่นๆ ได้ในอนาคต
การเคลื่อนที่ของแผ่นเปลือกโลกยังคงสร้างรูปร่างพื้นผิวโลก
และกิจกรรมนี้ได้รับการตรวจสอบอย่างต่อเนื่องโดยเครือข่ายเครื่องวัดคลื่นไหวสะเทือนทั่วโลก การศึกษาว่าสัญญาณคลื่นไหวสะเทือนเคลื่อนที่ผ่านชั้นต่างๆ ของโลกได้อย่างไร ทำให้เรามีความรู้มากมายเกี่ยวกับโครงสร้างภายในของโลก ตัวอย่างเช่น ในช่วงต้น ศตวรรษที่ 20 นักวิจัย อนุมานว่าโลกมีแกนนอกที่เป็นของเหลว เนื่องจากเครื่องวัดคลื่นไหวสะเทือนที่อีกฟากหนึ่งของโลกตรวจไม่พบคลื่นเฉือนจากแผ่นดินไหว เนื่องจากของเหลวไม่สามารถเฉือนได้
เนื่องจากวิทยาแผ่นดินไหวมีความซับซ้อนมากขึ้นและมีการติดตั้งสถานีตรวจสอบมากขึ้น นักวิจัยได้ค้นพบมากขึ้นเกี่ยวกับการตกแต่งภายในของโลก เช่น การแบ่งชั้นทางกายภาพและขนนกของวัสดุร้อนที่เพิ่มขึ้นภายในเสื้อคลุมและ “โซนความเร็วต่ำมาก” ลึกลับบนเสื้อคลุมแกนกลาง ขอบเขต ซึ่งคลื่นเดินทางช้ากว่าที่คาดไว้มาก “ข้อมูลเหล่านี้อนุมานจากข้อมูล แต่เราไม่รู้จริงๆ ว่าสิ่งเหล่านี้คืออะไร” Doyeon Kim นักแผ่นดินไหววิทยา จากมหาวิทยาลัยแมริแลนด์ คอลเลจพาร์ค ซึ่งเป็นผู้นำการวิจัยล่าสุดกล่าว
ปริมาณข้อมูลที่เพิ่มขึ้นเรื่อยๆโดยปกติแล้ว นักวิจัยจะทำการอนุมานดังกล่าวจากรูปแบบของสัญญาณคลื่นไหวสะเทือนที่เด่นชัดต่อผู้สังเกตการณ์ที่เป็นมนุษย์ อย่างไรก็ตาม ปริมาณข้อมูลแผ่นดินไหวจากทั่วโลกที่เพิ่มขึ้นเรื่อยๆ อาจมีรูปแบบที่มนุษย์ไม่สามารถมองเห็นได้ Kim และเพื่อนร่วมงานจึงทำงานร่วมกับนักดาราศาสตร์ฟิสิกส์ที่มหาวิทยาลัย Johns Hopkins
ในบัลติมอร์ใกล้เคียงเพื่อใช้อัลกอริธึมของคอมพิวเตอร์
ที่เรียกว่า Sequencer ที่พัฒนาโดยนักดาราศาสตร์ฟิสิกส์ ปีที่แล้ว อัลกอริธึมเปิดเผยความสัมพันธ์ที่ไม่เคยรู้มาก่อนระหว่างมวลของหลุมดำมวลมหาศาลกับคุณสมบัติของดาราจักรโฮสต์
ในบทความที่ตีพิมพ์ในScienceทีมงานอธิบายว่า Sequencer กรองสัญญาณคลื่นไหวสะเทือนของคลื่นไหวสะเทือนหลายพันแบบอย่างเป็นระบบ โดยวัดค่าของปริมาณเฉพาะที่เรียกว่า Wasserstein metric จากนั้นจึงเล่นเกมคณิตศาสตร์ในการรวมจุดต่างๆ โดยค้นหาเส้นทางที่สั้นที่สุดระหว่างจุดข้อมูลทั้งหมด เมื่อมีเส้นทางที่เหมาะสมที่สุดอย่างชัดเจน แสดงว่ามีแนวโน้มในข้อมูล
เมื่อนักวิจัยจดจ่ออยู่กับสัญญาณใต้มหาสมุทรแปซิฟิกตอนเหนือ ภูมิภาคสองแห่งมีความโดดเด่นในฐานะเครื่องกำเนิดคลื่นที่แข็งแกร่งของคลื่นที่กระจายตัวและล่าช้าซึ่งเรียกว่าโพสเคอร์เซอร์ ซึ่งเกิดขึ้นเมื่อคลื่นไหวสะเทือนโต้ตอบกับโครงสร้างที่ผิดปกติ ที่แรกอยู่ใต้ฮาวาย สิ่งนี้เป็นที่ทราบกันดีว่ามีความผิดปกติของคลื่นไหวสะเทือน แต่ข้อมูลจากซีเควนเซอร์ – เช่นเดียวกับการวิเคราะห์เพิ่มเติม – เสริมสมมติฐานว่าอาจเป็นผลมาจากเสื้อคลุมและช่วยในการแปลได้แม่นยำยิ่งขึ้น
“เมกะ ultralow-velocity zone”ความผิดปกติที่น่าสังเกตประการที่สองคือ พวกเขาเชื่อว่า “เขตความเร็วต่ำมาก” ที่ไม่เคยรู้จักมาก่อน ใต้หมู่เกาะมาร์เคซัสที่อยู่ห่างไกลในเฟรนช์โปลินีเซีย นักวิทยาศาสตร์รู้อยู่แล้วว่ามีโซนที่คล้ายกันอยู่บ้าง เช่น ใต้ไอซ์แลนด์และซามัว ซึ่งมีความเกี่ยวข้องกับพื้นที่ที่มีองค์ประกอบทางธรณีเคมีที่ผิดปกติอย่างมาก สิ่งนี้นำไปสู่ข้อเสนอแนะคุณลักษณะเหล่านี้อาจปิดบังวัสดุก่อนเกิดผลกระทบขนาดยักษ์ต่อโลกที่คิดว่าจะก่อตัวเป็นดวงจันทร์ การค้นพบใหม่ภายใต้
Marquesas ชี้ให้เห็นว่า Kim สามารถทดสอบสมมติฐานนี้ได้
ใยแก้วนำแสงใต้ท้องทะเลตรวจสอบกิจกรรมแผ่นดินไหวและคลื่นทะเล Kim อธิบายว่างานชิ้นนี้เป็นส่วนหนึ่งของแนวโน้มในศาสตร์ต่างๆ มากมายเกี่ยวกับการใช้ปัญญาประดิษฐ์เพื่อเพิ่มประสิทธิภาพกลยุทธ์การค้นหาและค้นหารูปแบบในข้อมูลที่หลบเลี่ยงมนุษย์ “การพูดในวงกว้างในด้านแผ่นดินไหวและธรณีฟิสิกส์โดยทั่วไป เราใช้แมชชีนเลิร์นนิงภายใต้การดูแลเพื่อค้นหาวัตถุที่ ‘ติดฉลาก’ เช่น สัญญาณแผ่นดินไหวจากการบันทึกคลื่นไหวสะเทือน” เขาอธิบาย “อย่างไรก็ตาม
สิ่งที่น่าสนใจก็คือการเรียนรู้แบบไม่มีผู้ดูแล ซึ่งเราไม่มี” ไม่รู้ว่าเรากำลังมองหาอะไรในชุดข้อมูลของเรา นั่นคือจุดที่อัลกอริทึมนี้เหมาะสม คุณกำลังดูชุดข้อมูลเป็นจุดในพื้นที่มิติสูงและมองหารูปแบบและคลัสเตอร์” เขากล่าวว่าบทความที่จะมาถึงโดยนักวิจัยของ Johns Hopkins อธิบายว่า Sequencer ถูกใช้เพื่อจัดเรียงตัวอย่างคลื่นแผ่นดินไหวประเภทอื่นที่เรียกว่าคลื่นพื้นผิวอย่างไร
Edward Garnero นักวิทยาศาสตร์โลก จากมหาวิทยาลัยรัฐแอริโซนาในสหรัฐอเมริกากล่าวว่า “นี่เป็นนวัตกรรมใหม่และแสดงถึงทิศทางที่เราจำเป็นต้องดำเนินการในด้านแผ่นดินไหววิทยา “วิธีการเช่นนี้อาจช่วยให้เราพบสิ่งที่เราอาจไม่ได้มองหา – และเห็นได้ชัดว่าพวกเขาค้นพบ” อย่างไรก็ตาม เขาระมัดระวังเกี่ยวกับสมมติฐานที่ว่าความล่าช้าในสัญญาณ postcursor นั้นมาจากขอบเขตของคอร์-แมนเทิลเท่านั้น โดยสงสัยว่าความแตกต่างของเสื้อคลุมที่อื่นอาจมีบทบาทหรือไม่ ในท้ายที่สุด เขากล่าวว่า: “ในการสร้างแบบจำลองแผ่นดินไหว เรามักจะต่อต้านปัญหาในการรู้ว่าแบบจำลองโซลูชันที่เราโปรดปรานนั้น [ทั้ง] มีเอกลักษณ์เฉพาะตัวและในโลกจริงหรือไม่”
นอกจากนี้ Costantini ยังเสริมว่าผู้เขียนที่เกี่ยวข้องสามคนในการศึกษานี้ ได้แก่ ตัวเขาเอง Sosso และDavide Bonifazi (เดิมคือที่คาร์ดิฟฟ์ ปัจจุบันอยู่ที่มหาวิทยาลัยเวียนนาในออสเตรีย) ล้วนมีพื้นเพมาจากอิตาลี “นี่เป็นข้อพิสูจน์โดยตรงถึงภาวะสมองเสื่อมที่สำคัญที่อิตาลีประสบในช่วง 10-20 ปีที่ผ่านมา และน่าเสียดายที่วันนี้แข็งแกร่งกว่าที่เคย” เขากล่าว James Lawrenceนักเขียนคนแรกของหนังสือพิมพ์และอดีตนักศึกษาระดับปริญญาเอกในกลุ่มของเขา ปัจจุบันเป็นหลังปริญญาเอกที่ Donostia International Physics Center ในเมืองซานเซบาสเตียน ประเทศสเปน
Van Ooijen อธิบายว่า “ในเนเธอร์แลนด์ เรากำลังครอบคลุมข้อมูลด้านการถ่ายภาพในการฝึกอบรมอย่างเป็นทางการสำหรับผู้อยู่อาศัยของเรา แต่ผู้อยู่อาศัยก็เริ่มต้นความคิดริเริ่มของตนเองเพื่อจัดการประชุมในหัวข้อเหล่านี้” “ในสถาบันของฉัน นักศึกษาแพทย์มาหาฉันเพื่อถามว่าเราสามารถช่วยพวกเขาให้เรียนรู้เพิ่มเติมเกี่ยวกับ AI ได้ไหม ดังนั้นพวกเขาจึงตั้งทีมของตัวเองและที่ DASH เราร่วมมือกับพวกเขาเพื่อเพิ่มการฝึกอบรมด้านวิทยาศาสตร์ข้อมูลสำหรับนักศึกษาแพทย์”
Credit : energipellet.com energyeu.org everythingdi.net exoduswar.net experienceitpublisher.com
