الهام از الگوریتم Shazam برای جلوگیری از خسارت زیاد در زلزله

دنیای اقتصاد: محققان با الهام گرفتن از فرآیند مورد استفاده در برنامه جست‌وجوی موسیقی Shazam، موفق به یافتن راهی برای تشخیص میکرو زلزله‌ها یا همان زلزله‌های بسیار خفیفی شده‌اند که می‌تواند به آنها در پیش‌بینی زلزله‌های بزرگ‌تر در زمان‌های بعدی کمک کند. همان‌طور که می‌دانید شازم از الگوریتم ویژه‌ای برای شناسایی موسیقی استفاده می‌کند تا بتوانید اطلاعات کاملی از آهنگ در حال پخش (خواننده و نام آهنگ و اطلاعاتی اینچنینی) به‌دست آورید. محققان استنفورد معتقدند از ایده مشابهی می‌توان به منظور تشخیص زمین‌لرزه‌ها استفاده کرد. از همین رو تکنولوژی با عنوان FAST توسعه داده شده تا در میان پایگاه داده‌ای گسترده‌ای از فعالیت‌های مرتبط با زلزله‌شناسی به دنبال یافتن الگویی که نشان‌دهنده احتمال وقوع زلزله است، جست‌وجو انجام شود. این جست‌وجو موارد خفیفی که پیش از این به عنوان زلزله در تجهیزات فعلی ثبت نمی‌شدند را نیز دربر می‌گیرد.

در واقع این زلزله‌های خفیف به قدری نامحسوس هستند که حتی باعث بیدار شدن شما در موقع خواب نمی‌شوند اما می‌توانند در پیش‌بینی الگوی زمانی و فرآیند تکرار زلزله‌های بزرگ به دانشمندان کمک کنند. این ایده برای اولین بار به ذهن Greg Beroza، پروفسور ژئوفیزیک دانشگاه استنفورد (در حالی که قصد داشت برای شناسایی یک آهنگ از شازم استفاده کند) خطور کرد. وی در این خصوص می‌گوید: «Shazam به خوبی وظیفه خود را انجام داد و در عرض ۱۰ ثانیه علاوه بر شناسایی آهنگ، گزینه‌ای برای فروش آن پیش روی من قرارداد.

این واقعا عالی بود و پس از لحظه‌ای، بهره‌گیری از این قابلیت در سیستم تشخیص زلزله به ذهن من خطور کرد.» او در کنار تیم خود تحقیقات گسترده‌ای روی این الگوریتم و در جهت تحلیل فعالیت‌های مرتبط با وقوع زلزله در کالیفرنیای شمالی انجام داد تا نهایتا تکنولوژی FAST قادر به شناسایی زلزله‌های بزرگ و حتی انواع خفیفی که پیش از این مدنظر قرار نمی‌گرفتند، شود. او معتقد است از این تکنولوژی می‌توان در مکان‌هایی مانند اوکلاهاما و آرکانزاس که در آنها زلزله‌های کوچک و خفیف می‌توانند به شکست هیدرولیکی منجر شوند، استفاده کرد. FAST می‌تواند مشخص کند که چه مناطقی در معرض زلزله‌های شدید هستند و به این ترتیب راهکارهایی برای کاهش تلفات جانی و مالی پیش‌بینی کرد. آن‌طور که توسط این تیم تحقیقاتی عنوان شده، گام بعدی، استفاده از این تکنولوژی در مکان‌های مختلف و در طول بازه‌های زمانی گسترده‌تر است تا فرآیند پیش‌بینی در نهایت اطمینان و دقت انجام شود.