לימוד תנודות קרקע ברעידות אדמה באמצעות דגמי גנרטיב מותנים

מדוע הרעידות של רעידות עתידיות חשובות

רעידות אדמה הן חלק בלתי נמנע מהחיים באזורים רבים, ממטרופולין מפרץ סן פרנסיסקו ועד יפן. מה שבאמת מאיים על אנשים ומבנים אינו הרעש עצמו אלא הרעידות שהוא מייצר בשטח פני הקרקע. מהנדסים ומתכננים צריכים תרחישים מציאותיים של עד כמה החפירה עלולה להיות חזקה במקומות רבים, לא רק במקום שבו יש חיישנים. עם זאת, השיטות הקיימות מסתמכות כיום או על סטטיסטיקות מפושטות שמחמיצות פרטים מקומיים, או על סימולציות פיזיקליות כבדות שדורשות מחשבי על וידע מפורט על מבנה כדור הארץ. במחקר זה מוצגת גישה חדשה בבינה מלאכותית (AI) שלומדת מרעידות עבר כדי לדמיין במהירות כיצד רעידות עתידיות עלולות לערער אזור שלם.

דרך חדשה לדמיין את הרעידות

החוקרים מציגים מודל שהם קוראים לו Conditional Generative Modeling for Ground Motion (CGM-GM). במקום לפתור ישירות את משוואות פיזיקת הגלים, CGM-GM לומד דפוסים מתוך אלפי רעידות קטנות מוקלטות סביב שבריי הייורד וסן אנדריאס במטרופולין מפרץ סן פרנסיסקו. הרעיון המרכזי הוא יצירה "מותנית": למערכת ה-AI מספקים מידע בסיסי על האירוע — עוצמתו, עומקו, והמיקום של רעידת האדמה והחיישנים במפה — ואז היא מייצרת סדרות זמן אפשריות של תנועת קרקע העומדות בתנאים אלה. למעשה, המודל מתפקד כסימולטור חכם שיכול למלא את מה שהרעידות עשויות להיראות כמו במקומות ובאירועים שמעולם לא הוקלטו.

להאזין לרעידות בזמן ובצבע

כדי ללמד את ה-AI, הצוות ממיר תחילה כל אות רעידה מוקלטת לסוג של תמונה צבעונית שנקראת ספקטרוגרמה, שמציגה כיצד עוצמת התדירויות השונות משתנה לאורך הזמן. הם משתמשים בכלי המכונה טרנספורם פורייה קצר-טווח (Short-Time Fourier Transform) כדי להפריד כל גל לצמצום (כמה חזק) ולשלב שלב (מתי מופיעות התכונות). סוג מיוחד של רשת נוירונים, אוטואנקודר ואריאציונלי דינמי, לומד לדחוס את ספקטרוגרמות העוצמה האלה לסדרה של משתנים סמויים ואחר כך לשחזרן. מודול נלווה משתמש בקורדינטות גאוגרפיות ובתכונות הרעידה כדי להשפיע על הסדרה הסמויה הזו, כך שהמודל מקשר באופן טבעי תבניות רעידות עם הנתיב שבו הגלים נוסעים וכמה גדולה היתה הרעידה. במהלך הייצור, המודל מצייר סדרות סמויות חדשות, משחזר ספקטרוגרמות עוצמה, מעריך שלב והופך הכל בחזרה לצורות גל סינתטיות.

למלא את המפה בין חיישנים מפוזרים

לאחר האימון, ניתן לשאול את CGM-GM: "אם תתרחש רעידה בגודל ומיקום נתונים, אילו רעידות עשויות להתרחש על פני רשת צפופה של נקודות?" המחברים בודקים זאת על ידי יצירת עשרת אלפים הקלטות סינתטיות על תת-אזור במפרץ, ולאחר מכן חישוב ספקטרום עוצמת פורייה (מדד לעוצמת רעידה כתלות בתדירות) בכל נקודה. המפות הנוצרות מציגות שינויים חלקים ומציאותיים: הרעידות נוטות להיחלש עם המרחק מהמקור, להשתנות בכיוון, ולהתחזק באזורים הידועים בקרקעיתם הרכה, כגון סביב סן חוזה ובאזורים של בוץ במפרץ סן פרנסיסקו. חשוב לציין שהתבניות המרחביות נראות הרבה יותר מציאותיות מאשר דגם AI בסיסי ופשוט שיודע רק מרחק ועומק, והן דומות לאלו מדגם אמפירי לא-ארגודי מתקדם שבנו סיסמולוגים.

התאמה לנתונים אמיתיים בצורתם ובעוצמתם

הצוות בודק את התוצא של ה-AI מול הקלטות אמיתיות בכמה אופנים. בתחום התדירות, ספקטרות העוצמה הסינתטיות תואמות היטב את התצפיות בטווח 2 עד 15 הרץ, הטווח החשוב ביותר להרבה מבנים. בתחום הזמן, צורות הגל שנוצרו משחזרות לא רק צורות כלליות אלא גם מהירויות קרקע שיא וזמני הגעת גלי P ו-S, כפי שנקבעו על ידי אלגוריתם זיהוי עצמאי. המודל יכול גם לייצר גרסאות מעט שונות רבות של רעידה לאותו תרחיש, מה שמשקף את האקראיות הטבעית של רעידות אדמה. יש מגבלות: תדירויות נמוכות מאוד וגבוהות מאוד קשה יותר להתאים באופן מושלם, משכי הרעידה לאירועים הקטנים ביותר מראים יותר פיזור, וקנה מידה לרעידות מאוד גדולות נשאר מאתגר ללא נתוני אימון נוספים.

מה המשמעות לאנשים ולמבנים

ללא מומחיות מיוחדת, המסקנה היא שמסגרת AI זו יכולה במהירות לייצר תרחישי רעידות מציאותיים, מודעים לפיזיקה, ברחבי אזור עירוני שלם — גם במקום בו אין חיישנים וגם ללא הרצת סימולציות יקרות על מחשבי על. CGM-GM אינו מחליף מודלים פיזיקליים מפורטים או משוואות אמפיריות מכויילות בקפידה, אך הוא מבצע באופן דומה לשיטות המתקדמות בעודו גמיש ומהיר. עם שיפור נוסף ועם יותר נתונים, דגמים גנרטיביים כאלה יכולים להפוך לכלים פרקטיים לחקירת "מה אם" ברעידות, שיפור מפות הסיכון, וסיוע למהנדסים לתכנן מבנים ותשתיות שמוכנות טוב יותר לרעידה הבאה.

ציטוט: 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

מילות מפתח: תנודות קרקע ברעידת אדמה, בינה מלאכותית גנרטיבית, סיכון סיסמי, מטרופולין מפרץ סן פרנסיסקו, אוטואנקודר ואריאציונלי