تكنولوجيا جديدة ثورية للتنبؤ بالزلازل: اكتشف Scale-Split Neural Operator

في عالم الفيزياء والرياضيات، يعد التنبؤ بالزلازل ثلاثية الأبعاد أحد التحديات الكبرى، حيث تتصاعد طلبات الحصول على دقة أعلى في التنبؤات مع تقنيات النمذجة المتطورة. ومع تطور الذكاء الاصطناعي، ظهر نموذج جديد يُعرف باسم "Scale-Split Neural Operator" (Scale-Split NO) ليشكل تحولاً جذرياً.

تُظهر الأبحاث أن النماذج العصبية توفر بديلاً سريعًا لمحاكاة الزلازل ثلاثية الأبعاد، ولكن التحدي يكمن في ضرورة تدريبها بدقة عالية، وهو ما يتطلب ذاكرة كبيرة تتناسب مع دقة النموذج. بالاعتماد على استراتيجية مبتكرة، يقسم نموذج Scale-Split NO العمليات إلى نوعين من المحولات العصبية: يُعرف الأول بـ Parent، الذي يقوم بتوقع المجال العام الخشن في الخطوة الزمنية التالية، بينما يتولى الثاني، Child، توقع تفاصيل المناطق المحلية بدقة كاملة بناءً على توقعات Parent.

من خلال هذا النظام المتكامل، لا يضطر أي من النموذجين للعمل على مجال دقيق للغاية. وقد أظهرت التجارب أن Scale-Split NO يتفوق بشكل ملحوظ على جميع النماذج المنافسة من حيث دقة التنبؤ وكفاءة البيانات. على سبيل المثال، في مجموعة بيانات JHTDB256 عالية الدقة ($256^3$)، تمكن النموذج من تحقيق انخفاض بنسبة 53% في متوسط الخطأ المربّع المقنن مقارنةً بأقوى نموذج منافس. كما انخفضت الذاكرة المطلوبة للتدريب بنسبة 79% مقارنة بالنموذج الأكثر كفاءة في استهلاك الذاكرة.

ولم تقتصر قدرة هذا النموذج على التنبؤ بالزلازل، إذ أثبت فعاليته أيضًا في تنبؤات رياح المدن الحضرية ضمن حي من هولندا على شبكة $500 imes150 imes500$، حيث تحقق انخفاض بنسبة 65.8% في متوسط الخطأ المربّع النسبي مقارنةً بالأساس.

بفضل الابتكارات المستمرة، يبدو أن Scale-Split NO هو مستقبل النمذجة ثلاثية الأبعاد، مما يفتح أبوابًا جديدة للبحث والتحليل في هذا المجال. فما رأيكم في هذا التطور المثير؟ شاركونا في التعليقات.