הערכת נזקי רעידות אדמה במהירות באמצעות LSTM‑RNN היברידי עם ראש סיווג בהשראת קוונטום מבוסס על מודל הפרצפטורון האוטונומי (APM)

מדוע בדיקות מהירות לאחר רעידות חשובות

לאחר רעידת אדמה חזקה, השאלה הדחופה ביותר פשוטה: אילו מבנים בטוחים ואילו לא? היום מענה לשאלה זו עדיין דורש זמן, מומחים ולעתים בדיקות באתר. מאמר זה מציג שיטה מהירה מונחית‑נתונים להערכת היקף הנזק שסביר שהמבנים סבלו, באמצעות דפוסים בתנועתם בזמן הרעידה. המטרה היא לסייע לצוותי חירום להחליט במהירות לאן לשלוח מבקרים מקצועיים, כיצד לנתב פעולות חילוץ ואילו מבנים זקוקים לתשומת לב מיידית.

מקולות הרעד למצב הבריאותי של המבנה

במקום להסתמך על סקרים ידניים איטיים, המחברים משתמשים במודלים ממוחשבים לקריאה של ארבע אותות בסיסיים בהתנהגות מבנה בזמן רעידה: עד כמה הוא מתנדנד (היסט), כמה מהר הוא נע (מהירות), עד כמה התאוצה משתנה בחדות (תאוצה) וציון נזק כולל המוכר כאינדקס נזק. אותות אלה מאורגנים כחטיבות זמן קצרות — שקופיות זמן של כ־0.4 שניות — שמציגות כיצד המבנה נע. המערכת לומדת מאלפי חטיבות כאלו כיצד דפוסי תנועה אופייניים מתקשרים לנזק מאוחר יותר, כך שהיא יכולה לחזות את הצעד הבא בתגובת המבנה ולשפוט אם המבנה כנראה ללא פגע, ניתן לתיקון או נפגע קשות.

צינור עבודה אחד, החלטות רבות

רעיון מרכזי בעבודה זו הוא לאגד כמה משימות קשורות לצינור אחיד וקוהרנטי. באמצעות ליבת עיבוד רצפים משותפת, המערכת מבצעת ארבע פעולות במקביל: היא חוזה את הערכים הבאים של היסט, מהירות, תאוצה ואינדקס הנזק; היא קובעת האם המבנה נפגע או לא; היא מייחסת משקל מספרי למקרים נפגעים המשקף עד כמה הם דחופים; והיא מנתחת אילו תכונות קלט נוטות להופיע כאשר הנזק זניח. באמצעות איחוד משימות אלה, אותה רשומת תנועה נכנסת יכולה להנחיל החלטות ברמת המבנה ובו‑בזמן להזין מודלים תכנוניים ברמה עירונית שמתזמנים תיקונים ומשחזרים שירותים חיוניים.

כיצד עובד המודל החכם לרצפים

בלב הצינור נמצא רשת היברידית שמחברת שתי יחידות בנייה של למידה עמוקה: יחידות זיכרון לטווח‑ארוך וקצר (LSTM) ויחידות חוזרות פשוטות יותר. שתיהן נועדו לטפל ברצפים, לזכור היסטוריה קרובה תוך התמקדות בדפוסים מהותיים לאורך זמן. המחברים משווים את העיצוב ההיברידי לערמת שכבות LSTM עמוקה יותר בלבד. מאומנת על תגובות רעידת אדמה מדומות באמינות גבוהה עבור מערכת מזוינת בבטון, הרשת ההיברידית מספקת תחזיות מדויקות יותר בעקביות. היא עוקבת היטב במיוחד אחרי אינדקס הנזק, מה שמקטין שגיאות טיפוסיות בכמה מונים ומסביר כמעט את כל השונות באות הנזק המדומה. משמעות הדבר היא שהמודל יכול לעקוב בצמוד כיצד הנזק מתפתח בזמן הרעידה — שלב מכריע לקראת הערכה מהירה ואמינה.

סיבוב בהשראת קוונטים לתוויות נזק

מעבר לפלטים סטנדרטיים של רשתות עצביות, המחברים בוחנים ראש סיווג לא שגרתי "בהשראת קוונטים" הנקרא מודל הפרצפטורון האוטונומי. במקום שימוש בשכבת משקלים גדולה רגילה, המודול זה דוחס מידע לוקטורים זעירים בעלי שני רכיבים ומעבירם דרך אופרטורים קטנים המדמים אפקטי התאבכות מהפיזיקה הקוונטית. כדי לבדוק האם עיצוב קומפקטי זה עדיין יכול להבדיל בין רמות נזק, הצוות יוצר מערך נתונים נפרד של בניינים שנחשפו לעומסים מבוקרים בדומה לפיצוץ. בבדיקה זו, ראש הסיווג בהשראת הקוונטום מגיע לדיוק גבוה במיון המבנים לארבע קטגוריות נזק, מה שמרמז שניתן לשלב רכיבים דלים מבוססי אופרטור בצינור אותו כאשר הנתונים וכוח המחשוב מוגבלים.

הפיכת פלטי המודל לפעולה בעולם האמיתי

הצעד האחרון הוא להפוך את התוצאות לשימושיות לאנשים בשטח. כאשר מגיע רשום תנועה חדש, הליבה המשותפת מעבדת אותו פעם אחת, ואז מיד מייצרת תחזיות של תנועת המבנה, תווית נזק, דירוג עדיפות למקרים נפגעים ורמזים אילו תנאים מקושרים לנזק נמוך. פלטים אלה יחד תומכים במיון בן שני שלבים: תחילה להפריד בין מבנים שסביר שנפגעו לאלה שסביר שהם בטוחים; לאחר מכן, מבין הנפגעים, להעלות את האזעקה לאלו שכישלונם יהיה בעל ההשפעה הרבה ביותר. מכיוון שמחקר זה נשען על נתוני סימולציה ולא על חיישנים במציאות, המחברים מדגישים שנדרש בדיקות נוספות על מבנים מצוידים בחיישנים לפני פריסה. עם זאת, העבודה מראה שמודלי רצף מעוצבים היטב, בצירוף בקרה קפדנית למניעת דליפה של נתונים, יכולים לשמש בסיס מעשי לבדיקה מהירה מונחית‑נתונים של נזקי רעידות אדמה ותכנון התאוששות חכם יותר.

ציטוט: Alotaibi, A., Alharbi, S. & Elshewey, A.M. Rapid earthquake damage assessment via hybrid LSTM-RNN with a quantum-inspired classification head based on Autonomous Perceptron Model APM. Sci Rep 16, 9686 (2026). https://doi.org/10.1038/s41598-026-38982-x

מילות מפתח: הערכת נזקי רעידות אדמה, ניטור בריאות מבנים, למידה עמוקה, רשתות נוירוניות חוזרות, עמידות בפני אסונות