תיקון שגיאות רעידות במדידת כבידה אבסולוטית באמצעות רשת עצבית BP

למה רעידות זעירות חשובות

אפילו כשאנחנו עומדים ללא תזוזה, הקרקע מתחתינו אף פעם לא נחה לגמרי. גלים מהאוקיינוס, משאיות חולפות, רעידות אדמה מרוחקות ואפילו רוח גורמים למשטח כדור הארץ לרעוד. עבור רוב האנשים תנועות אלה אינן מורגשות. אך עבור מדענים שמנסים למדוד את כוח המשיכה של כדור הארץ ברזולוציה גבוהה במיוחד, רעידות זעירות אלה מטשטשות לחלוטין את התמונה. המחקר הזה מציג גישה חכמה מבוססת תוכנה — באמצעות סוג של אינטליגנציה מלאכותית הנקראת רשת עצבית — לבטל את הרעידות הלא רצויות ולחדד את מדידות הכבידה עד לרמות של חלקים למיליארד.

שוקלים את כדור הארץ באמצעות עצמים נופלים

מדדי כבידה אבסולוטיים מודרניים מודדים את הכבידה על ידי מדידת הזמן של עצם קטן הנופל בחדר מבוקר. לייזר עוקב אחרי מיקומו של העצם בזמן הנפילה, ובונה מסלול מפורט שממנו ניתן לחשב את חוזק הכבידה המקומי. מכשירים כמו המד גравיטציה הפופולרי FG5‑X כבר יכולים להגיע לרגישות מרשימה, מספיקה לאתר שינויים עדינים בקרום כדור הארץ או לתמוך בבדיקות של פיזיקה יסודית. עם זאת, מדידות אלה רגישות מאוד לרעידות במראה ההתייחסות של המכשיר ובמבנה שמקיף אותו. כאשר הקרקע זזה, אות הלייזר מתנודד ומשנה את הרגעים המדויקים שבהם המכשיר סבור שהעצם הנופל עבר נקודות מפתח. הזזות זמן זעירות אלה מתורגמות ישירות לשגיאות בערך המחושב של הכבידה.

איך תנועת הקרקע מעוותת את הנפילה

המחברים בנו תחילה מודלים מתמטיים ומחשוביים כדי להבין בדיוק כיצד סוגים שונים של רעידות — שינויים איטיים, נדנודים קמורים ותנודות מהירות — מעוותים את אות הלייזר. הם הראו שכל דפוס רעידה משאיר טביעת אצבע ייחודית בשגיאות התזמון של מסלול העצם הנופל. חשוב שהשגיאות האלה לא מצטברות בפשטות לאורך זמן; במקום זאת, שגיאת כל רגע קשורה בקשר הדוק לרעידה ברגע ההוא. משמעות הדבר היא שאם יודעים את אות הרעידה בצורה מספקת, ניתן, מבחינה עקרונית, לשחזר ולבטל את טעויות התזמון שהוא יוצר. האתגר הוא שהיחס בין קריאות הרעידה הגולמיות לשגיאות התזמון הינו לא־ליניארי ומורכב מדי כדי לתואר בנוסחאות פשוטות.

לימוד רשת עצבית לביטול הרעש

כדי להתמודד עם הבעיה פנו החוקרים לרשת עצבית מסוג backpropagation (BP), מודל למידת מכונה נפוץ שמתמחה בלימוד יחסי קלט–פלט מורכבים. הם ייצרו 100,000 דוגמאות מדומות של מדידות כבידה, כל אחת משולבת עם אות נפילה אידיאלית ודפוסי רעידה ריאליסטיים המשתרעים ממעבדות שקטות, אתרי שטח טיפוסיים וסביבות רועשות. עבור כל מקרה חישבו את שגיאת התזמון המדויקת שנגרמה על ידי הרעידה. הרשת הוכשרה לקבל את גל הרעידה המדוד (ועם מידע תזמוני) כקלט ולהפיק את תיקון התזמון המתאים כפלט. כדי להאיץ ולייצב את תהליך הלמידה החליפו המחברים את שיטת האימון המסורתית באלגוריתם האופטימיזציה Adam, שמכוין באופן אדפטיבי את עוצמת העדכונים של המשקלים הפנימיים של הרשת. צירוף זה אפשר למודל להתכנס מהר יותר ולחזות שגיאות תזמון עם שגיאות ממוצעות זעירות מאוד.

ממבחני מחשב לנקודות כבידה במציאות

לאחר שאיששו את השיטה בסימולציות, החוקרים בדקו אותה עם מד גראוויטציה לייזרי קומפקטי משלהם, Tide‑010, בשלושה אתרים שונים מאוד בקרבת בייג'ינג: נקודת ייחוס לאומית למדידת כבידה מתחת לאדמה שקטה, משרד בקומת קרקע ואזורים הרריים עם קרקע רופפת ורעידות סביבתיות חזקות. בכל אתר הקליטו הן את אות ההתאבכות של הלייזר והן את תנועת נקודת ההתייחסות באמצעות מד תאוצה רגיש. הנתונים הגולמיים סוננו תחילה להסרת רעשים בתדרים גבוהים מאוד, ואז הוזנו לרשת הנוירונית המאומנת, שהניבה קואורדינטות זמן מתוקנות לעצם הנופל. בעזרת מסלולים מתוקנים אלה הקבוצה חישבה מחדש את הכבידה והשוותה את הפיזור וההטיה של התוצאות לאלה שהתקבלו בעזרת התאמה "ישירה" מסורתית. בכל המוקדים הרשת הורידה את הפיזור האקראי במדידות הכבידה בכ־80–85% ושמרה על שגיאות ממוצעות קרובות לאפס.

קריאות כבידה חדות יותר ומה משמעותן

לקרב הציבור, התוצאה המרכזית היא שהשיטה בסיוע בינה מלאכותית מאפשרת למד לחץ/מדד כבידה "להקשיב" לרעידות הקרקע ואז לחסר את השפעתן מתמטית, בדומה לאוזניות שמשתיקות רעש רקע מהמוזיקה. בתנאי תת-קרקע שקטים ובבניין רגיל, המדידות המתוקנות השוו או אף עלו על ביצועי המכשירים המסחריים הטובים ביותר, והגיעו בדיוק של כשל עד שני מיקרו-גל — מיליוןית של תאוצת הכבידה שאנו מרגישים. גם בסביבה הררית רועשת שמרה השיטה על שגיאות של סדר גודל כשלוש מיקרו-גל. שיפור זה אינו דורש חומרה כבדה חדשה; הוא נשען בעיקר על עיבוד נתונים חכם יותר. כתוצאה מכך, הטכניקה עשויה לסייע למדינות לפתח מדדי כבידה מדויקים משלהן, לתמוך במעקב משופר של רעידות אדמה וולקנים, ולאפשר בדיקות מדויקות יותר של פיזיקה יסודית — הכל על ידי לימוד המכשירים לראות דרך הרעד העדין והמתמיד של כדור הארץ.

ציטוט: 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

מילות מפתח: מדידת כבידה, רעידות קרקע, רשתות עצביות, גאופיזיקה מדויקת, תיקון אותות