در مرز بین هسته و گوشته زمین، جایی که گوشته پایینی با هسته تقریبا مایع برخورد می کند، دانشمندان تاکنون بیشتر امواج لرزه ای بزرگتر را شناسایی کرده اند.
اکنون یک گروه تحقیقاتی با کمک هوش مصنوعی توانسته اند سیگنال های لرزه ای بسیار ضعیف موسوم به شاخص های PKP را بررسی کرده و 6 ناهنجاری ناشناخته را در این قسمت عمیق از زمین بیابند.
مرز هسته و گوشته یا CMB حدود 1800 مایل، معادل نزدیک به 2900 کیلومتر زیر سطح زمین است. در این ناحیه مقدار زیادی گرما و مواد بین دو لایه منتقل می شود. بسیاری از فرآیندهایی که در این عمق رخ می دهند هنوز برای دانشمندان ناشناخته هستند، اما مسیر برخی از امواج لرزه ای می تواند وجود ساختارهای غیرعادی را در نزدیکی مرکز زمین آشکار کند، زیرا این امواج در هنگام عبور از چنین مناطقی پراکنده یا منحرف می شوند.
آثار موج بسیار ضعیف
نشانگرهای PKP نوعی موج لرزه ای هستند که تصور می شود در لایه های نازکی از گوشته به نام مناطق با سرعت فوق العاده کم حرکت می کند. این مناطق سرعت امواج لرزه ای را کاهش می دهند و می توانند باعث تجمع شاخص های PKP شوند. چنین ساختارهایی ممکن است در شکل گیری ستون های گوشته ای نقش داشته باشند. توده هایی که گاهی به سطح می رسند و باعث فوران های آتشفشانی می شوند، مانند آبفشان های معروف یلوستون یا جریان های گدازه در جزایر هاوایی.
مشکل اصلی این است که نشانگرهای PKP، که معمولاً قبل از امواج قوی‌تری مانند PKIKP ظاهر می‌شوند، اغلب آنقدر ضعیف هستند که تشخیص آنها بسیار دشوار است. برای حل این مشکل، محققان یک الگوریتم هوش مصنوعی برای تجزیه و تحلیل بیش از 2 میلیون رکورد زلزله آموزش دادند. این داده ها از نقاط مختلف جهان بین سال های 1900 تا 2024 جمع آوری شده است.الگوریتم در نهایت 175000 شاخص PKP را شناسایی کرد که منجر به کشف 6 ناهنجاری ناشناخته در اعماق زمین شد.
زمین یک سیستم پویا است و اجزای داخلی آن دائماً در مرز هسته و گوشته در حال تغییر هستند. درست بالای این مرز عمیق ترین قسمت گوشته پایینی قرار دارد. این فرآیندها بر ستون‌های گوشته، فرورانش صفحات تکتونیکی و در نتیجه زمین‌لرزه‌ها، سونامی‌ها و فعالیت‌های آتشفشانی تأثیر می‌گذارند و همچنین بر حرکت مداوم مواد بین هسته و گوشته تأثیر می‌گذارند.
سازه های غیرعادی این قسمت که پیش از این قابل مشاهده بودند، ابعاد بسیار بزرگی داشتند. با این حال، تشخیص سیگنال‌های ضعیف‌تر می‌تواند اطلاعات بیشتری در مورد ویژگی‌های کانی‌شناسی و فرآیندهای تغییر این مناطق در اختیار دانشمندان قرار دهد. شاخص‌های PKP از اهمیت ویژه‌ای برخوردار هستند زیرا مسیر منحصر به فرد آنها آنها را نسبت به ناهنجاری‌های در مقیاس کوچک حساس می‌کند.
در چنین بررسی گسترده ای، حذف نویز در داده ها بسیار مهم است. پیش از این، راه‌هایی برای کاهش نویز و آشکار کردن این سیگنال‌های تقریباً نامرئی وجود داشت، اما دانشمندانی که به دنبال آنها بودند با محدودیت‌های قابل توجهی مواجه بودند. هوش مصنوعی می تواند دامنه این تحقیقات را بسیار گسترده تر کند.
در مطالعه ای که در مجله تحقیقات ژئوفیزیکی: زمین جامد منتشر شد، محققان گفتند:
تشخیص خودکار فازهای لرزه ای با استفاده از یادگیری ماشینی می تواند روشی امیدوارکننده برای استفاده بهتر از داده های موجود باشد و این روش برای انواع مختلف فازهای لرزه ای با موفقیت آزمایش شده است. در مقابل، شناسایی نشانگرهای PKP برای مدت طولانی وابسته به بررسی دستی و جداگانه هر رویداد بوده است.
6 ناهنجاری در اعماق زمین
برای یافتن پیش سازهای PKP و ساختارهای نامنظمی که این امواج از آنها منعکس یا پراکنده می شوند، محققان داده هایی را از فدراسیون بین المللی شبکه های لرزه نگاری دیجیتال و منابع دیگر گردآوری کردند. برخی از این ساختارها ممکن است توده هایی باشند که از بقایای صفحات تکتونیکی فرورانش تشکیل شده اند. صفحاتی که با فرو رفتن در مواد گوشته بسیار داغ تا حدی ذوب می شوند.
تیم تحقیقاتی با استفاده از سه مدل یادگیری عمیق، الگوریتمی را برای بررسی داده ها و جداسازی شاخص های PKP آموزش دادند. سپس محل ناهنجاری های شناسایی شده را روی نقشه مشخص کردند. نتیجه نشان داد که الگوریتم قادر به یافتن 175 هزار سیگنال PKP است. سیگنال هایی که بدون این روش احتمالا خیلی ضعیف بوده و از دید محققان پنهان می ماند.
نتایج نشان دهنده وجود ناهنجاری در نقاط مختلف زمین بود. این مناطق شامل محدوده ای از شمال غربی شبه جزیره ایبری تا اروپای مرکزی، عرض های جغرافیایی بالاتر شمال اوراسیا، کمربند ترانس پاسیفیک در اقیانوس آرام از شمال غربی اقیانوس آرام تا آلاسکا، منطقه ای در جنوب آفریقا و کانال موزامبیک، بخش جنوب شرقی حوضه اقیانوس اطلس جنوبی، و همچنین امتداد قاره اطلس آنتارف است.
نقشه برداری و موقعیت یابی این ساختارها نشان می دهد که ناهنجاری ها در مرز هسته- گوشته احتمالاً بسیار گسترده تر از آنچه قبلاً تصور می شد است. شناسایی آنها همچنین می‌تواند به پیش‌بینی دقیق‌تر پدیده‌های طبیعی شدید کمک کند، زیرا پراکندگی نشانگرهای PKP هنگام مواجهه با ساختارهای نامنظم ممکن است سرنخ‌هایی در مورد چگونگی گسترش فعالیت‌های زمین ساختی، از جمله زمین‌لرزه‌های خشکی، زمین‌لرزه‌های زیرآبی و سونامی‌های ناشی از آن، و همچنین شدت فوران‌های آتشفشانی ارائه دهد.
محققین در پایان گفتند:
ما نه تنها به طور مستقل چندین منطقه پراکندگی مرتبط با ناهنجاری های عمیق را تأیید کردیم، بلکه 6 هدف جدید با احتمال پراکندگی بالا را نیز شناسایی کردیم. در محدوده تفاسیر این تحقیق، این ساختارهای مقیاس کوچک ممکن است با بقایای چندین فاز فرورانش صفحه، ذوب جزئی، اثرات تغییر فاز معدنی و سایر فرآیندهای مرتبط مرتبط باشند.
گفتگو در مورد این post