تصحيح أخطاء الاهتزاز في قياسات الجاذبية المطلقة باستخدام شبكة عصبية BP

لماذا تهمّ الاهتزازات الصغيرة

حتى عندما نقف ساكنين تمامًا، لا تكون الأرض تحتنا في حالة سكون تام. موجات المحيطات، والشاحنات المارة، والزلازل البعيدة وحتى الرياح تجعل سطح الأرض يرتعش. بالنسبة لمعظم الناس تبقى هذه الحركات غير ملحوظة. لكن بالنسبة للعلماء الذين يقيسون تسارع الجاذبية بدقة فائقة، يمكن لهذه الاهتزازات الطفيفة أن تشوّه القياسات تمامًا. تقدم هذه الدراسة طريقة ذكية برمجية—باستخدام نوع من الذكاء الاصطناعي يُعرف بالشبكة العصبية—لإلغاء تلك الارتجاجات غير المرغوب فيها وتوضيح قياسات الجاذبية إلى مستوى أجزاء من المليار.

وزن الأرض بأجسام ساقطة

تقيس أجهزة «الميزان المطلق» الحديثة الجاذبية بتوقيت سرعة سقوط جسم صغير في غرفة محكومة. يتتبع ليزر موقع الجسم أثناء سقوطه، فيبني مسارًا مفصّلًا يُستخرج منه مقدار الجاذبية المحلي. تستطيع أجهزة مثل مقياس FG5‑X الشائع الوصول إلى دقة مذهلة، تكفي لاكتشاف تغيّرات دقيقة في قشرة الأرض أو للمساهمة في اختبارات فيزيائية أساسية. مع ذلك، تكون هذه القياسات حساسة للغاية لاهتزاز مرآة المرجع وبنية الجهاز المحيطة. عندما تتحرك الأرض يهتز إشارة الليزر، مما يغيّر اللحظات الدقيقة التي يظن فيها الجهاز أن الجسم الساقط يمر بنقاط محورية. هذه التحولات الزمنية الطفيفة تُترجم مباشرة إلى أخطاء في القيمة المحسوبة للجاذبية.

كيف يشوّه حركة الأرض السقوط

بنى المؤلفون أولًا نماذج رياضية وحاسوبية لفهم كيف تشوّه أنواع مختلفة من الاهتزاز—الانجرافات البطيئة، والتأرجحات المنحنية، والتذبذبات السريعة—إشارة الليزر. أظهروا أن كل نمط اهتزاز يترك بصمة مميزة في أخطاء التوقيت لمسار الجسم الساقط. والأهم أن هذه الأخطاء لا تتراكم ببساطة مع الزمن؛ بل يرتبط خطأ كل لحظة ارتباطًا وثيقًا بالاهتزاز في تلك اللحظة. هذا يعني أنه إذا كان لديك إشارة الاهتزاز معرَّفة جيدًا، فيمكنك من الناحية النظرية إعادة بناء أخطاء التوقيت وإلغائها. التحدي هو أن العلاقة بين قراءات الاهتزاز الخام والأخطاء الزمنية الناتجة غير خطية ومعقدة جدًا لتُحتَوى بصيغ بسيطة.

تعليم شبكة عصبية لإلغاء الضوضاء

لمعالجة ذلك، لجأ الفريق إلى شبكة عصبية ذات انتشار خلفي (BP)، وهو نموذج تعلم آلي شائع يجيد تعلّم علاقات الإدخال-الإخراج المعقدة. ولّدوا 100,000 مثال محاكاة لقياسات الجاذبية، مزج كل منها إشارة سقوط حُر مثالية مع أنماط اهتزاز واقعية تغطي مختبرات هادئة، ومواقع ميدانية نموذجية، وبيئات صاخبة. لجميع الحالات حسبوا خطأ التوقيت الدقيق الناتج عن الاهتزاز. ثم درّبوا الشبكة العصبية لتأخذ موجة الاهتزاز المقاسة (مع معلومات التوقيت) كمدخل وتُخرِج تصحيح التوقيت المقابل. لتسريع واستقرار عملية التعلّم استبدل المؤلفون طريقة التدريب التقليدية بخوارزمية آدم للتنظيم الأمثل، التي تضبط بشكل تكيفي مقدار تحديث الأوزان الداخلية للشبكة. مكّنت هذه المجموعة النموذج من التقارب بسرعة أكبر وتوقُّع أخطاء التوقيت بأخطاء متوسطة صغيرة للغاية.

من اختبارات الحاسوب إلى نقاط الجاذبية الحقيقية

بعد تأكيد الطريقة في المحاكاة، اختبر الباحثون النموذج باستخدام مقياس الجاذبية الليزري المدمج الخاص بهم Tide‑010، في ثلاث مواقع مختلفة قرب بكين: معيار جاذبية وطني هادئ تحت الأرض، ومكتب بالطابق الأرضي، ومنطقة جبلية بتربة سائبة واهتزازات بيئية قوية. في كل موقع سجّلوا إشارة التداخل الليزري وحركة نقطة المرجع باستخدام مقياس تسارع حساس. نُقِّحت البيانات الخام أولًا لإزالة الضوضاء ذات التردد العالي جدًا، ثم دُفعت إلى الشبكة العصبية المدربة، التي أنتجت إحداثيات زمنية مصححة للجسم الساقط. باستخدام هذه المسارات المصححة، أعاد الفريق حساب الجاذبية وقارنوا انتشار وانحياز النتائج مع تلك الناتجة عن المعايرة «المباشرة» التقليدية. عبر المواقع قلّلت الشبكة العصبية التشتت العشوائي في قراءات الجاذبية بنحو 80–85%، وحافظت على أخطاء متوسطة قريبة جدًا من الصفر.

قراءات جاذبية أوضح وماذا تعني

بالنسبة للقارئ العام، النتيجة الأساسية هي أن هذا النهج المعزز بالذكاء الاصطناعي يسمح لمقياس الجاذبية «بالاستماع» إلى اهتزاز الأرض ثم طرح تأثيره حسابيًا، تمامًا كما تُزيل سماعات إلغاء الضوضاء الهمهمة الخلفية من الموسيقى. في ظروف هادئة تحت الأرض وفي مبنى عادي، طابقت القياسات المصححة أو تفوّقت على أداء أفضل الأجهزة التجارية، لتصل إلى دقة تقارب واحد إلى اثنين ميكروغال—جزء من المليون من تسارع الجاذبية الذي نشعر به. حتى في بيئة جبلية صاخبة ظلّت الأخطاء حول ثلاثة ميكروغال. هذا التحسّن لا يتطلب أجهزة جديدة ضخمة؛ بل يعتمد أساسًا على معالجة بيانات أذكى. ونتيجة لذلك، قد تساعد التقنية الدول على تطوير مقاييس جاذبية عالية الدقة محليًا، ودعم رصد أفضل للزلازل والبراكين، وتمكين اختبارات أكثر دقة للفيزياء الأساسية، كل ذلك بتعليم الأجهزة كيف ترى من خلال الارتعاشات الطفيفة والدائمة للأرض.

الاستشهاد: Niu, Y., Wu, Q., Zhang, Y. et al. Vibration error correction in absolute gravity measurement using BP neural network. Sci Rep 16, 14072 (2026). https://doi.org/10.1038/s41598-026-43402-1

الكلمات المفتاحية: قياس الجاذبية, اهتزاز الأرض, الشبكات العصبية, الجيولوجيا الدقيقة الدقيقة, تصحيح الإشارة