التعريف بالشبكات العصبية العميقة في علم الكائنات الحية

وقد كان تحليل البيانات الزلزامية منذ زمن بعيد حجر الزاوية في هندسة الزلازل، مما مكّن الباحثين والمهندسين من تفسير الحركة الأرضية، وتحديد السلوكيات الخاطئة، وتقييم المخاطر الهيكلية، وتعتمد الأساليب التقليدية اعتمادا كبيرا على استخراج الملامح اليدوية والنماذج الإحصائية التي كثيرا ما تكون فعالة مع الحجم الهائل للبيانات السيزمية الحديثة وتعقيدها، وقد ظهرت شبكات الظواهر العصبية العميقة كأداة تحول في هذا المجال، مما يتيح اتباع نهج قائم على البيانات التقليدية

إن اعتماد الـ دي إن إن في علم الزلازل ليس مجرد مسألة تحسنا تدريجيا، بل يمثل تغييرا أساسيا في القدرة التحليلية، حيث تتطلب الخوارزميات التقليدية قدرا كبيرا من التجهيز الأولي وهندسة السمات الخاصة بكل مجال، فإن نماذج التعلم العميق يمكن أن تعمل على إشارات خام أو أقل تجهيزا، وهذا يقلل من التحيز البشري ويعجل بالتحليل ويحسن من الدقة في كثير من الأحيان، وقد أثبتت التقنية نجاحها في مهام تتراوح بين اكتشاف الكائنات الحية الدقيقة في الفضاء.

بنية الشبكات العصبية العميقة للبيانات السيزمية

وتنتمي الشبكات العصبية المتوازية العميقة المستخدمة في التحليل السيزمي إلى إحدى الأسر المعمارية العديدة، التي تناسب كل منها جوانب مختلفة من البيانات، وتصبح الشبكات العصبية القائمة على الثورة فعالة بشكل خاص في تجهيز إشارات التسلسل الزمني مثل الموجات السيزمية، وهي تطبق مرشحات قابلة للتعلم عبر المدخلات، وتستوعب أنماطا محلية مثل الوافدين من الموجات البيرفلورية أو التغيرات في الترددات.

ويبدأ خط الأنابيب السيزمي العادي للشبكة بتجهيز البيانات مسبقا: الترميز الموجي، والتطبيع، والزيادة لتحسين التوحيد، ثم يتم تدريب الشبكة على مجموعات البيانات المسمومة، التي قد تشمل ملايين التسجيلات السيزمية المشروحة مع فترات الوصول التدريجي، أو حجم الأحداث، أو آليات المصادر، وتكيف الشبكة، أثناء التدريب، أوزانها الداخلية من خلال التكرار، وتقليص وظيفة نوعية من الخس التي يتم تدريبها.

والمطالب الحسابية لهذه البنيانات كبيرة، وتتطلب في كثير من الأحيان وحدات تجهيز الرسوم البيانية أو وحدات تجهيز المحركات للتدريب الفعال، ولكن يمكن أن يكون الاختبار سريعاً بما يكفي لتطبيقات الوقت الحقيقي، كما استكشفت البحوث تصميمات شبكات الوزن الخفيف، خاصة لنشر أجهزة الاستشعار السيزمية، مما يتيح للمهندسين الموزعين داخل شبكات الرصد، ويتيح هذا التنوع الهندسي المعماري للزلازل تجهيز حلولاً سريعة.

التطبيقات الرئيسية في الهندسة الأرضية

اكتشاف الأرض واختراقها

ومن أكثر التطبيقات نضجاً للأنباء الاصطناعية في علم الزلازل اكتشاف الزلازل واختيار مراحله، وتعتمد الخوارزميات التقليدية على متوسط/متوسط طويل الأجل لتحديد الأحداث السيزمية، ولكن هذه الأساليب عرضة للزواحف الكاذبة من الضوضاء، وكثيراً ما تفوت الأحداث الصغيرة أو الناشئة، وتظهر الشبكات العصبية العميقة، ولا سيما الزلازلية المتكررة، وجود هياكل نمطية مؤثرة في المستقبل.

كما أن سرعة وموثوقية الكشف عن الدي إن إن سيمكنان من تجهيز كميات كبيرة من البيانات المستمرة من صفائف السيزم الكثيفة، وفي مناطق مثل كاليفورنيا واليابان، حيث يبث آلاف أجهزة الاستشعار بيانات عن مسار الطاقة في الوقت الحقيقي، يمكن لنظم الكشف الآلي التي تستمد طاقتها من التعلم العميق أن تحدد الأحداث التي ستفتقد إلى حد آخر، مما يسهم في تقديم فهرس أكثر اكتمالا، مما يؤدي بدوره إلى تحسين نماذج المخاطر وفهم السلوكيات الخاطئة.

التصنيف السيزمي للعلامات

فإلى جانب الكشف البسيط، فإن الـ دي إن إن إن إن إن إن أي فعالة للغاية في تصنيف الإشارات السيزمية إلى فئات مثل الزلازل الطبيعية، والتفجيرات، وتفجيرات الأحجار، أو الكائنات المجهرية المحيطية، وهذا التمييز ضروري للحفاظ على فهرس زلزال دقيق وتطبيقات مثل التحقق من حظر التجارب النووية، ويمكن أن تتعلم نماذج التعلم العميقة التي يتم تدريبها على مجموعات البيانات المتنوعة الخصائص الظرفية والزمنية التي تميز بين هذه المصادر.

كما تمتد مهام التصنيف إلى تحديد أنواع مختلفة من الأمواج السيزمية في إطار تسجيل، مثل موجات الجسم، والموجات السطحية، والطاقة المتناثرة، وتغذي هذه المعلومات في توصيف المصادر ونمذجة الحركة الأرضية، بل إن بعض النماذج تصنف آلية الاختلال أو نظام الإجهاد من البيانات الموجية، وتوفر معلومات عن السياق الجيوفيزيائي للحدث، حيث تنمو مجموعات البيانات التدريبية لتشمل بيئاتاسيرية وأنواع مصادرها العامة الأكثر تنوعا.

الإدمان على الأرض

وتعد معادلة التنبؤ بالحركة الأرضية أساسية لتقييم المخاطر السيزمية والتصميم الهيكلي، وتعدّ نماذج المعلومات الجغرافية التقليدية صيغاً تجريبية مستمدة من تحليل التراجعي لبيانات الحركة الأرضية المسجلة، وتتيح الشبكات العصبية العميقة نهجاً بديلاً يمكن أن يلتقط التفاعلات غير الخطية بين الحجم والمسافات وظروف الموقع وخصائص المصادر دون أن يقيد على شكل وظيفي محدد سلفاً.

وهذه النماذج التي تُستخدم في تحديد أبعادها، مثل حجمها، وطولها من حيث المقاييس، وسرعتها، وسرعتها، وسرعتها، وسرعتها القصوى، ودرجة سرعة التلقيم، ودرجة التلقيم المتحرك، ودرجة الارتقاء في التحليلات ذات الصلة بالموجات، ودرجة الاختلاف في التحليلات المتعلقة بالحركة الأرضية، ودرجة الارتقاء بمستوى التصورات، أو التأثيرات المباشرة التي يصعب استخدامها.

بعد صمت

بعد زلزال كبير، التوقعات الدقيقة للزوارق هي أمر حاسم للاستجابة في حالات الطوارئ، والسلامة العامة، والتخطيط للتفتيش الهيكلي، نماذج العصي التقليدية، مثل قانون أوموري ونموذج التسارع الوبائي للطبيعة، تقدم توقعات إحصائية تستند إلى أنماط تاريخية، ويمكن للشبكات العصبية العميقة أن تعزز هذه التنبؤات بتعلم مستويات أعلى من التسلسلات التسلسلية المعقدة من الإجهاد الكبير بعد التسلسلات.

وقد أثبت العمل الذي تم مؤخرا أن الشبكات العصبية المتكررة والقائمة على الرسوم البيانية يمكن أن تلتقط التفاعلات بين الأخطاء القريبة وظل الإجهاد، والظواهر التي تشكل تحديا للنماذج الإحصائية التقليدية، وهذه النماذج مدربة على فهرس الزلازل العالمية ويمكن تكييفها لمناطق محددة، وفي الظروف التشغيلية، يمكن تحديث التنبؤات بالصدمات اللاحقة القائمة على الـ دي إن إن إن إن إن إن إن إن في الوقت الحقيقي القريب، حيث يتم اكتشاف أحداث جديدة، مما يوفر تقييمات دينامية للمخاطر للمجتمعات المتضررة من الهياكل الأساسية.

رصد الصحة الهيكلية

كما أن الشبكات العصبية العميقة تُحوِّل الرصد الهيكلي للصحة في هندسة الزلازل، إذ أن المباني المجهزة والجسور والسدود تولد بيانات مستمرة عن الاهتزاز يمكن تحليلها لكشف الأضرار وتقييم الظروف، وكثيرا ما تتطلب الأساليب التقليدية للإدارة المستدامة للأراضي استخلاصا يدويا وقواعد اتخاذ قرارات قائمة على العتبة، ويمكن للشبكة الوطنية للزلازل، ولا سيما أجهزة التلقائية وشبكات الثورة، أن تتعلم أنماط الانحراف الطبيعية في هيكل الهزات الأرضية وكشف عن وجود هيكل آخر.

وتستخدم بعض النظم الـ دي إن إن إن إن إس في تقدير نسب العواصف العائمة بين الأسطر أو التناوب على البلاستيك من سجلات التعجيل، مما يتخطى الحاجة إلى نماذج مفصلة للعناصر المحددة، ويستخدم بعضها الآخر التعلم في مجال النقل، حيث تُعد شبكة متدربة مسبقا على البيانات المحاكاة من أنواع عديدة من الهياكل على البيانات المستمدة من مبنى محدد، مما يقلل من كمية البيانات المسمومة المطلوبة لكل هيكل جديد.

ألف - المزايا المتعلقة بأساليب التحليل السيزمي التقليدية

وتنشأ مواطن قوة الشبكات العصبية العميقة في تحليل البيانات الزلزامية من قدرتها على تعلم العلاقات المعقدة وغير الخطية مباشرة من البيانات، ومن أهم المزايا انخفاض هندسة السمات اليدوية، وتتطلب الأساليب التقليدية أن يحدد علماء السيزميات سمات مثل معدلات العبور الصفري، والنسب الطيفية، أو خصائص الاستقطاب.

ومن الميزات الرئيسية الأخرى التصعيد: تنتج الشبكات السيزمية الحديثة تضاريس البيانات اليومية، وتتجاوز كثيرا قدرة المحللين البشريين أو الخوارزميات التقليدية، ويمكن للشبكة، بمجرد تدريبها، أن تجهز تدفق البيانات هذا في مراحل عالية، مما يتيح إجراء تحليلات آنية أو قريبة من الوقت، وكثيرا ما يحسن أداؤها باستخدام بيانات أكثر، خلافا لبعض النماذج التقليدية التي تؤدي دورا في عملية النقل، أو تصبح نماذج قابلة للحساب.

كما أن الشبكات العصبية العميقة توفر المرونة في أنواع النواتج، ويمكن تصميم نماذج وحيدة لأداء مهام متعددة في آن واحد، على سبيل المثال، الكشف في وقت واحد عن الأحداث، واختيار الوافدين إلى المرحلة، وتقدير حجمها، وهذا النهج التعلّمي المتعدد الأطوارق يحفز التمثيل المشترك ويحسن الأداء في كثير من الأحيان في كل مهمة على حدة، وفي هندسة الزلازل، يمكن أن يوفر تحليلاً شاملاً لحدث زلزالي، من الكشف إلى التنبؤ بالحركة الأرضية، وتبسيط سير العمل لتقييم المخاطر.

التحديات والحدود

وعلى الرغم من وعودها، تواجه الشبكات العصبية العميقة عدة عقبات في تحليل البيانات الزلزامية، أبرزها الحاجة إلى مجموعات بيانات كبيرة عالية الجودة تحمل علامات، وفي حين أن ملايين التسجيلات السيزمية موجودة، وتسمية يدوية متسقة للقادمين، وحجمهم، وأنواع المصادر، هي بيانات تستغرق وقتا طويلا وتخضع للتباين، وهذه الندرة من البيانات المسمومة هي حادة بوجه خاص بالنسبة للظواهر النادرة مثل الزلازل الكبيرة التي تحولت أو التيار.

ومن دواعي القلق الأخرى التي تبعث على التفهم أن المهندسين وعلماء السيزم كثيرا ما يحتاجون إلى فهم سبب التنبؤ بوجه خاص، لا سيما عندما يؤثر هذا التنبؤ على القرارات المتعلقة بالسلامة - الحرجة، وكثيرا ما توصف الشبكات العصبية العميقة بأنها صناديق سوداء، على الرغم من التقدم المحرز في تقنيات مثل خرائط الاهتمام، وتحليل الصلاحية، ونماذج بديلة، كما أن بناء الثقة في التنبؤات التي تقدمها شركة دي إن إن إن إن إن للتطبيقات الهندسية للزلزالية يتطلب التحقق من البيانات المستقلة والمقاييس.

كما يمكن أن تكون طلبات الموارد الحاسوبية باهظة، إذ إن التدريب على أحدث الشبكات الرقمية يتطلب معدات حاسوبية عالية الأداء واستهلاكا كبيرا للطاقة، وفي حين أن الاختبارات أقل طلبا، فإن نشر نماذج معقدة على أجهزة الاستشعار المدمجة للرصد الموزع لا يزال أمراً صعباً، فالضغط النموذجي، والتقدير الكمي، والمعدات المتخصصة هي مجالات بحثية نشطة تعالج هذه القيود، بالإضافة إلى أن البيانات التي تتطور في مواقع السحب الجديدة يمكن أن تكون حساسة إزاء التوزيع

أخيراً، هناك خطر الاعتماد المفرط على الأساليب المحفزة للبيانات على حساب الفهم المادي، إن أكثر الحلول قوة في هندسة الزلازل ستجمع بين التعلم العميق والنماذج الفيزيائية، مع استخدام كل منها للتعويض عن نقاط الضعف الأخرى، والنُهج الهجينة التي تجسد فيزياء الموجات المتحركة في بنية الشبكات أو تستخدم الـ دي إن إن إن أي لزيادة المحاكاة التقليدية تمثل اتجاهاً واعداً.

توجيهات البحوث المستقبلية

ومن مجالات التطور النشط، شبكة الفيزياء، التي تتضمن معادلة للموجات المتوهجة في عملية التعلم، يمكن أن تنتج شبكات جديدة مدروسة في مجال التكوين، وتحتوي على معادلة في عملية التعلّم، ويمكن للشبكة الوطنية للفيزياء أن تنتج تنبؤات تحترم القوانين المادية، وتحسن التعميم، وتخفض الحاجة إلى مجموعات بيانات ضخمة مكلفة من حيث التكوين.

وثمة اتجاه آخر هو استخدام نماذج التعلم من النقل والأسس، إذ يمكن أن تُعدَّل هذه النماذج قبل التدريب على مجموعات البيانات السيزمية العالمية الضخمة، بحيث يمكن تكييفها لأداء مهام محددة على الصعيد الإقليمي أو الهيكلي أو على مستوى الاستشعار، مع عدد قليل نسبيا من الأمثلة المسمَّاة، وقد أظهرت التجارب المبكرة التي أجريت على التعلم الذاتي بشأن البيانات الموجية غير الموسَّعة أن النماذج يمكن أن تتعلم عروضا مفيدة دون أي توسيم يدوي، مما يمكن أن يقلل إلى حد كبير من حاجز الدخول إلى البيانات غير المرخص بها.

وسيستمر نشر المواد ذات التوقيت الحقيقي والنحافة في التقدم، وذلك بفضل التحسينات في كفاءة النماذج والمعدات المتخصصة، وهذه الرؤية هي شبكة موزعة من أجهزة الاستشعار الذكية التي يمكن أن تكتشف وتصنف وتُبلغ عن وقوع أحداث سيزمية بصورة مستقلة، مع قيام الخواديم المركزية بمعالجة التحليلات الأكثر تعقيدا، مما سيقلل من درجة الرضا عن الزلازل ويتيح الرصد في المواقع النائية أو البحرية التي لا يزال فيها الاتصال المستمر غير عملي.

كما أن إدماج الـ دي إن إن إن بي إن مع الممارسة الهندسية الهيكلية آخذ في التطور، حيث أن مدونات البناء تتحرك نحو التصميم القائم على الأداء، فإن تحليل المخاطر السيزمية المحتملة سيستفيد من نماذج التقدم المحسنة التي تتيحها التعلم العميق، ويقترن ذلك بالتقدم في المحاكاة الهيكلية وكشف الأضرار، مما قد يؤدي إلى تصميمات أكثر مرونة للهياكل الأساسية تؤدي إلى تحقيق أقصى قدر من التكلفة والسلامة، كما أن البرامج التعاونية لتقاسم النماذج التدريبية المدروس وبيانات قياسية تتسارع وتيرة التقدم.

وأخيرا، فإن تحديد كمية عدم اليقين في التنبؤات التي تُجرى في إطار شبكة المعلومات الإنمائية الوطنية هو أولوية بحثية حاسمة، إذ أن القرارات الهندسية المتعلقة بزلزال الأرض لا تتطلب مجرد تقديرات، بل تتطلب أيضا فترات الثقة، ويجري تكييف الشبكات العصبية البيزيزيينية، والأساليب المتماثلة، والتنبؤات المتوافقة، بحيث توفر حدودا موثوقة لعدم التيقن من التنبؤات الزلزالية، مما يسمح للمهندسين بحصر عدم اليقين النموذجي في تقييماتهم للمخاطر واتخاذ قرارات أكثر استنارة.

خاتمة

وقد أثبتت الشبكات العصبية العميقة أنها أداة قوية في تحليل البيانات الزلزالية لهندسة الزلازل، مما يتيح تفسيرا أسرع وأكثر دقة وأكثر قابلية للتصعيد للتعلم من الإشارات السيزمية المعقدة، ومن خلال الكشف عن الزلازل والانتقال التدريجي إلى التنبؤ بالحركة الأرضية، ومن خلال التنبؤ بالطقوس، ورصد الصحة الهيكلية، تقوم الشبكة بتحسين نوعية وتوقيت المعلومات المتاحة للمهندسين ومديري الطوارئ، وفي حين أن التحديات التي تواجه متطلبات الهندسة المفسرة، وأوجه القصور في مجال السلامة،