تعلّم حركات أرضية الزلازل عبر النمذجة التوليدية المشروطة

لماذا يهم اهتزاز الزلازل المستقبلية

الزلازل جزء لا مفر منه من الحياة في مناطق كثيرة، من منطقة خليج سان فرانسيسكو إلى اليابان. ما يهدد الناس والمباني ليس الزلزال نفسه بالضرورة، بل الاهتزازات التي يولّدها على سطح الأرض. يحتاج المهندسون والمخططون إلى سيناريوهات واقعية لكيفية احتمال تحرك الأرض بقوة في مواقع عديدة، وليس فقط حيث توجد حساسات بالفعل. ومع ذلك فإن طرق اليوم إما تعتمد على إحصاءات مبسطة تفوّت التفاصيل المحلية، أو على محاكيات فيزيائية مكثفة تتطلب حواسيب عملاقة ومعرفة دقيقة بباطن الأرض. تقدم هذه الدراسة نهجًا جديدًا بالذكاء الاصطناعي يتعلم من الاهتزازات الماضية ليُخَيّل بسرعة كيف يمكن أن تهز زلازل مستقبلية منطقة كاملة.

طريقة جديدة لتخيّل الاهتزاز

يقدّم الباحثون نموذجًا يسمونه النمذجة التوليدية المشروطة لحركة الأرض (CGM-GM). بدلًا من حل معادلات فيزياء الموجات مباشرة، يتعلم CGM-GM أنماطًا من آلاف الزلازل الصغيرة المسجلة حول صدع هايوارد وصدع سان أندرياس في منطقة خليج سان فرانسيسكو. الفكرة الرئيسية هي التوليد «المشروط»: يُزوَّد الذكاء الاصطناعي بمعلومات أساسية عن الحدث—مثل قدرته (الشدة)، وعمقه، ومواقع الزلزال والحساسات على الخريطة—ثم يولّد تسلسلات زمنية لحركة الأرض محتملة ومتوافقة مع تلك الشروط. في الواقع، يعمل النموذج كمحاكي ذكي قادر على ملء ما قد يبدو عليه الاهتزاز في مواقع وزلازل لم تُسجَّل من قبل.

الاستماع إلى الزلازل بالزمن واللون

لتعليم الذكاء الاصطناعي، يحول الفريق أولًا كل إشارة اهتزاز مسجلة إلى نوع من الصورة الملونة يُسمى طيفًا زمنيًا (سبكتروغرام)، يظهر كيف تتغير قوة الترددات المختلفة مع الزمن. يستخدمون أداة تُعرف بتحويل فورييه القصير الزمن لفصل كل موجة إلى سعة (مدى القوة) وطور (متى تظهر المميزات). يتعلم نوع خاص من الشبكات العصبية، المشفّر التبايني الديناميكي، ضغط هذه الطيفيات السعوية إلى تسلسل من المتغيرات الخفية ثم إعادة بنائها. وحدة مرافقَة تستخدم الإحداثيات الجغرافية وخصائص الزلزال لتؤثر على هذا التسلسل الخفي، بحيث يربط النموذج طبيعيًا أنماط الاهتزاز بكيف تسافر الموجات وبحجم الزلزال. أثناء التوليد، يرسم النموذج تسلسلات خفية جديدة، يعيد بناء الطيفيات السعوية، يقدّر الطور، ويحوّل كل شيء مرة أخرى إلى موجات تركيبية.

ملء الخريطة بين الحساسات المتفرقة

بمجرد التدريب، يمكن سؤال CGM-GM: «إذا وقع زلزال بحجم وموقع معين، ما الاهتزاز الذي قد نراه عبر شبكة كثيفة من النقاط؟» يختبر المؤلفون ذلك بتوليد عشرة آلاف سجل تركيبية على منطقة فرعية من خليج سان فرانسيسكو، ثم بحساب طيفيات السعة في فورييه (مقياس لقوة الاهتزاز المعتمدة على التردد) عند كل نقطة. تُظهر الخرائط الناتجة تغيّرات سلسة وواقعية: يميل الاهتزاز إلى الخفوت مع الابتعاد عن المصدر، ويتغير مع الاتجاه، ويزداد قوة في مناطق معروفة بوجود تربة رخوة، مثل قرب سان خوسيه وطين خليج سان فرانسيسكو. والأهم أن الأنماط المكانية تبدو أكثر واقعية من نموذج ذكاء اصطناعي أساسي أبسط يعرف فقط المسافة والعمق، وتشبه أيضًا تلك الناتجة من نموذج أرضي تجريبي غير إرجودي متقدم بناه الزلازلانيون.

مطابقة البيانات الحقيقية في الشكل والقوة

يتحقق الفريق من ناتج الذكاء الاصطناعي بعدة طرق مقارنة بالتسجيلات الحقيقية. في نطاق التردد، تتفق الطيفيات السعوية التركيبية جيدًا مع الملاحظات من 2 إلى 15 هرتز، وهو النطاق الأكثر أهمية للعديد من المباني. في النطاق الزمني، تعيد الموجات المولّدة ليس فقط الأشكال العامة بل أيضًا ذروات سرعة الأرض وأزمنة وصول موجات P وS، كما يحدّدها خوارزم انتقاء مستقل. كما يستطيع النموذج إنتاج نسخ متعددة مختلفة قليلًا من الاهتزاز للسيناريو ذاته، ما يلتقط العشوائية الطبيعية للزلازل. ثمة حدود: الترددات المنخفضة جدًا والعالية جدًا أصعب في المطابقة تمامًا، ومدد الاهتزاز للأصغر حدثًا تُظهر تشتتًا أكبر، والتدرّج إلى زلازل كبيرة جدًا يظل تحديًا دون بيانات تدريب إضافية.

ما يعنيه هذا للناس والمباني

لغير المتخصصين، الخلاصة أن هذا الإطار بالذكاء الاصطناعي يمكنه بسرعة توليد سيناريوهات اهتزاز زلزالي واقعية وواعية فيزيائيًا عبر منطقة حضرية بأكملها، حتى حيث لا توجد حساسات وبدون الحاجة إلى تشغيل محاكيات باهظة على حواسيب عملاقة. لا يحل CGM-GM محل النماذج الفيزيائية المفصّلة أو المعادلات التجريبية المعايرة بعناية، لكنه يقدم أداءً مقارنًا لأساليب متقدمة مع مرونة وسرعة. مع مزيد من التكرير والمزيد من البيانات، قد تصبح مثل هذه النماذج التوليدية أدوات عملية لاستكشاف «ماذا لو» للزلازل، تحسين خرائط المخاطر، ومساعدة المهندسين على تصميم مبانٍ وبُنى تحتية أكثر استعدادًا للهزة الكبيرة القادمة.

الاستشهاد: Ren, P., Nakata, R., Lacour, M. et al. Learning earthquake ground motions via conditional generative modeling. Nat Commun 17, 4021 (2026). https://doi.org/10.1038/s41467-026-70719-2

الكلمات المفتاحية: حركات أرضية الزلازل, الذكاء الاصطناعي التوليدي, الخطر الزلزالي, منطقة خليج سان فرانسيسكو, المشفّر التبايني