ഭൂകമ്പത്തിന്റെ അനന്തരഫലങ്ങൾ പ്രവചിക്കുന്നതിൽ പരമ്പരാഗത രീതികളെ മറികടക്കുന്ന ഒരു ആഴത്തിലുള്ള പഠന മോഡൽ ഗവേഷകർ വികസിപ്പിച്ചെടുത്തിട്ടുണ്ട്, പ്രത്യേകിച്ച് വലിയ ഡാറ്റാസെറ്റുകൾ ഉപയോഗിച്ച്. സമഗ്രമായ ആഗോള ഡാറ്റ ഉപയോഗിച്ച് മെച്ചപ്പെട്ട ഭൂകമ്പ പ്രവചനം ഈ മുന്നേറ്റം വാഗ്ദാനം ചെയ്യുന്നു.

30 വർഷത്തിലേറെയായി, ഭൂകമ്പത്തിന്റെ അനന്തരഫലങ്ങൾ പ്രവചിക്കാൻ ഗവേഷകരും സർക്കാർ ഏജൻസികളും ഉപയോഗിക്കുന്ന മോഡലുകൾ വലിയ മാറ്റമില്ലാതെ തുടരുന്നു. ഈ പഴയ മോഡലുകൾ പരിമിതമായ ഡാറ്റ ഉപയോഗിച്ച് നന്നായി പ്രവർത്തിക്കുന്നുണ്ടെങ്കിലും, ഇപ്പോൾ ലഭ്യമായ വലിയ ഭൂകമ്പശാസ്ത്ര ഡാറ്റാസെറ്റുകളുമായി അവ പോരാടുന്നു.

ഈ പരിമിതി പരിഹരിക്കുന്നതിന്, കാലിഫോർണിയ സർവകലാശാലയിലെയും സാന്താക്രൂസിലെയും മ്യൂണിക്കിലെ സാങ്കേതിക സർവകലാശാലയിലെയും ഒരു സംഘം ഗവേഷകർ ഭൂകമ്പങ്ങൾ പ്രവചിക്കാൻ ആഴത്തിലുള്ള പഠനം ഉപയോഗിക്കുന്ന ഒരു പുതിയ മോഡൽ സൃഷ്ടിച്ചു: ആവർത്തിച്ചുള്ള ഭൂകമ്പ ഫോർകാസ്റ്റ് (റീകാസ്റ്റ്). ജിയോഫിസിക്കൽ റിസർച്ച് ലെറ്റേഴ്സിൽ അടുത്തിടെ പ്രസിദ്ധീകരിച്ച ഒരു പ്രബന്ധത്തിൽ, നിലവിൽ ഉപയോഗിക്കുന്ന ഭൂകമ്പ പ്രവചന മോഡലുകളേക്കാൾ ആഴത്തിലുള്ള പഠന മോഡൽ എങ്ങനെ കൂടുതൽ വഴക്കമുള്ളതും സ്കെയിലബിൾ ആണെന്നും ശാസ്ത്രജ്ഞർ കാണിക്കുന്നു.

നിലവിലുള്ള മോഡലുകളുമായി RECAST താരതമ്യം ചെയ്യുക

10,000 ത്തോളം സംഭവങ്ങളുടെ ഭൂകമ്പ കാറ്റലോഗുകൾക്കായി എപ്പിഡെമിക് ടൈപ്പ് ഫോളോഷോക്ക് സീക്വൻസ് (ഇടിഎഎസ്) മോഡൽ എന്നറിയപ്പെടുന്ന നിലവിലെ മോഡലിനെക്കാൾ മികച്ചതാണ് പുതിയ മോഡൽ.

“വളരെ കുറച്ച് നിരീക്ഷണങ്ങളെ അടിസ്ഥാനമാക്കി വിശ്വസനീയമായ പ്രവചനങ്ങൾ നിർമ്മിക്കാൻ ഞങ്ങൾ ശ്രമിക്കുമ്പോൾ 80 കളിലും 90 കളിലും ഞങ്ങൾ നടത്തിയ നിരീക്ഷണങ്ങൾക്കായാണ് ഇ ടി എ എസ് മോഡൽ സമീപനം രൂപകൽപ്പന ചെയ്തിരിക്കുന്നത്,” യുസി സാന്താ ക്രൂസിൽ അടുത്തിടെ പിഎച്ച്ഡി പൂർത്തിയാക്കിയ പ്രബന്ധത്തിന്റെ പ്രധാന രചയിതാവ് കെലിയൻ ഡാഷെർ-കസിനോ പറഞ്ഞു. “ഇന്ന് വളരെ വ്യത്യസ്തമായ ഒരു ഭൂപ്രകൃതിയാണ്.” ഇപ്പോൾ, കൂടുതൽ സെൻസിറ്റീവ് ഉപകരണങ്ങളും വലിയ ഡാറ്റ സംഭരണ ശേഷികളും ഉപയോഗിച്ച്, ഭൂകമ്പ കാറ്റലോഗുകൾ വളരെ വലുതും വിശദവുമാണ്.

“ഞങ്ങൾക്ക് ദശലക്ഷക്കണക്കിന് ഭൂകമ്പ കാറ്റലോഗുകൾ ഉണ്ടാകാൻ തുടങ്ങി, പഴയ മോഡലിന് അത്രയും ഡാറ്റ കൈകാര്യം ചെയ്യാൻ കഴിഞ്ഞില്ല,” യുസി സാന്താ ക്രൂസിലെ എർത്ത് ആൻഡ് പ്ലാനറ്ററി സയൻസസ് പ്രൊഫസറും പ്രബന്ധത്തിന്റെ സഹ-രചയിതാവുമായ എമിലി ബ്രോഡ്സ്കി പറഞ്ഞു. വാസ്തവത്തിൽ, പഠനത്തിന്റെ പ്രധാന വെല്ലുവിളികളിലൊന്ന് പുതിയ റീകാസ്റ്റ് മോഡൽ രൂപകൽപ്പന ചെയ്യുകയല്ല, മറിച്ച് പഴയ ഇ ടി എ എസ് മോഡൽ രണ്ടും താരതമ്യം ചെയ്യുന്നതിനായി വലിയ ഡാറ്റാ സെറ്റുകളിൽ പ്രവർത്തിക്കാൻ പ്രേരിപ്പിക്കുക എന്നതാണ്.

“ഇ ടി എ എസ് മോഡൽ ഒരുതരം പൊട്ടുന്നതാണ്, അതിൽ പരാജയപ്പെടാൻ കഴിയുന്ന വളരെ സൂക്ഷ്മവും ഫിനിക്കിയുമായ ധാരാളം മാർഗങ്ങളുണ്ട്,” ഡാഷർ-കസിനോ പറഞ്ഞു. “അതിനാൽ, യഥാർത്ഥ മോഡൽ വികസനവുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ ഞങ്ങളുടെ ബെഞ്ച്മാർക്ക് കുഴപ്പത്തിലല്ലെന്ന് ഉറപ്പാക്കാൻ ഞങ്ങൾ ധാരാളം സമയം ചെലവഴിച്ചു.”

പ്രായോഗിക ആപ്ലിക്കേഷനുകളും ഭാവി സാധ്യതകളും

ഭൂകമ്പ പ്രവചനത്തിനായി ആഴത്തിലുള്ള പഠനത്തിന്റെ മേഖലയിലേക്ക് കൂടുതൽ കടക്കുന്ന ഡാഷെർ-കസിനോ പറയുന്നു, ബെഞ്ച്മാർക്കിംഗിനായി ഈ മേഖലയ്ക്ക് മികച്ച സംവിധാനം ആവശ്യമാണ്. റീകാസ്റ്റ് മോഡലിന്റെ കഴിവുകൾ പ്രദർശിപ്പിക്കുന്നതിനായി, ഒരു ഭൂകമ്പ കാറ്റലോഗ് അനുകരിക്കാൻ ഗ്രൂപ്പ് ആദ്യം ഒരു ഇ ടി എ എസ് മോഡൽ ഉപയോഗിച്ചു. സിന്തറ്റിക് ഡാറ്റ ഉപയോഗിച്ച് പ്രവർത്തിച്ച ശേഷം, തെക്കൻ കാലിഫോർണിയ ഭൂകമ്പ കാറ്റലോഗിൽ നിന്നുള്ള യഥാർത്ഥ ഡാറ്റ ഉപയോഗിച്ച് ഗവേഷകർ റീകാസ്റ്റ് മോഡൽ പരീക്ഷിച്ചു.

അടിസ്ഥാനപരമായി, എങ്ങനെ പഠിക്കാമെന്ന് പഠിക്കാൻ കഴിയുന്ന റെകാസ്റ്റ് മോഡൽ ഭൂകമ്പങ്ങൾ പ്രവചിക്കുന്നതിൽ ഇ ടി എ എസ് മോഡലിനേക്കാൾ അൽപ്പം മികച്ച പ്രകടനം കാഴ്ചവച്ചതായി അവർ കണ്ടെത്തി, പ്രത്യേകിച്ചും ഡാറ്റയുടെ അളവ് വർദ്ധിച്ചപ്പോൾ. വലിയ കാറ്റലോഗുകൾക്ക് കമ്പ്യൂട്ടേഷണൽ ശ്രമവും സമയവും ഗണ്യമായി മികച്ചതായിരുന്നു.

ഭൂകമ്പങ്ങൾ പ്രവചിക്കാൻ ശാസ്ത്രജ്ഞർ മെഷീൻ ലേണിംഗ് ഉപയോഗിക്കാൻ ശ്രമിക്കുന്നത് ഇതാദ്യമല്ല, പക്ഷേ സമീപകാലം വരെ സാങ്കേതികവിദ്യ പൂർണ്ണമായും തയ്യാറായിരുന്നില്ല, ഡാഷെർ-കസിനോ പറഞ്ഞു. മെഷീൻ ലേണിംഗിലെ പുതിയ മുന്നേറ്റങ്ങൾ റീകാസ്റ്റ് മോഡലിനെ കൂടുതൽ കൃത്യവും വ്യത്യസ്ത ഭൂകമ്പ കാറ്റലോഗുകളുമായി എളുപ്പത്തിൽ പൊരുത്തപ്പെടുത്തുന്നതുമാക്കുന്നു.

മോഡലിന്റെ ഫ്ലെക്സിബിലിറ്റി ഭൂകമ്പ പ്രവചനത്തിന് പുതിയ സാധ്യതകൾ തുറക്കും. വലിയ അളവിൽ പുതിയ ഡാറ്റയുമായി പൊരുത്തപ്പെടാനുള്ള കഴിവ് ഉപയോഗിച്ച്, ആഴത്തിലുള്ള പഠനം ഉപയോഗിക്കുന്ന മോഡലുകൾക്ക് ഒന്നിലധികം പ്രദേശങ്ങളിൽ നിന്നുള്ള വിവരങ്ങൾ ഒരേസമയം ഉൾപ്പെടുത്താനും മോശമായി പഠിച്ച പ്രദേശങ്ങളെക്കുറിച്ച് മികച്ച പ്രവചനങ്ങൾ നടത്താനും കഴിയും.

“ഞങ്ങൾക്ക് ന്യൂസിലാന്റ്, ജപ്പാൻ, കാലിഫോർണിയ എന്നിവിടങ്ങളിൽ പരിശീലനം നേടാൻ കഴിഞ്ഞേക്കും, ഡാറ്റ സമൃദ്ധമല്ലാത്ത എവിടെയെങ്കിലും പ്രവചിക്കാൻ വളരെ നല്ല ഒരു മോഡൽ ഉണ്ടായിരിക്കാം,” ഡാഷെർ-കസിനോ പറഞ്ഞു.

ആഴത്തിലുള്ള പഠന മാതൃകകൾ ഉപയോഗിക്കുന്നത് ഭൂകമ്പം പ്രവചിക്കാൻ ഉപയോഗിക്കുന്ന ഡാറ്റയുടെ തരം വിപുലീകരിക്കാൻ ഗവേഷകരെ അനുവദിക്കും.

“ഞങ്ങൾ എല്ലായ്പ്പോഴും ഗ്രൗണ്ട് മോഷൻ റെക്കോർഡുചെയ്യുന്നു,” ബ്രോഡ്സ്കി പറഞ്ഞു. “അതിനാൽ അടുത്ത തലം യഥാർത്ഥത്തിൽ ആ വിവരങ്ങളെല്ലാം ഉപയോഗിക്കുക എന്നതാണ്, ഞങ്ങൾ അതിനെ ഒരു ഭൂകമ്പം എന്ന് വിളിക്കുന്നുണ്ടോ ഇല്ലയോ എന്നതിനെക്കുറിച്ച് വിഷമിക്കരുത്, മറിച്ച് എല്ലാം ഉപയോഗിക്കുക എന്നതാണ്.”

അതേസമയം, പുതിയ സാങ്കേതികവിദ്യയുടെ സാധ്യതകളെക്കുറിച്ചുള്ള ചർച്ചകൾക്ക് മോഡൽ തുടക്കമിടുമെന്ന ശുഭാപ്തിവിശ്വാസത്തിലാണ് ശാസ്ത്രജ്ഞർ.

“ഇതിന് ഈ സാധ്യതകളെല്ലാം ഉണ്ട്,” ഡാഷെർ-കസിനോ പറഞ്ഞു. കാരണം അത് അങ്ങനെയാണ് രൂപകൽപ്പന ചെയ്തിരിക്കുന്നത്.”