الذكاء الاصطناعي يكشف زلازل بطيئة صامتة على صدع سان أندرياس

معظم الزلازل تُعلن عن نفسها بهزة. ولكن تحت مقطع باركفيلد (Parkfield) من صدع سان أندرياس في كاليفورنيا، كان هناك نوع أكثر هدوءً من الحركة يحدث أمام الجميع دون أن يُلاحظ—أحداث الانزلاق البطيء (SSEs)، التي تُحرر الطاقة على مدار أيام أو أسابيع دون إنتاج هزة أرضية محسوسة. الآن، كشف خوارزمية تعلم عميق تُدعى DeepStrain أن هذه الأحداث الصامتة أكثر شيوعًا مما كان يُعتقد سابقًا، وأنها تلعب دورًا مباشرًا في تحفيز الهزات الصغيرة المعروفة بالزلازل منخفضة التردد (LFEs).

التحدي في اكتشاف الانزلاق الصامت

من الصعب جدًا رصد أحداث الانزلاق البطيء. أجهزة قياس الانفعال البئرية (BSMs)—وهي أجهزة مدفونة في ثقوب أسطوانية عميقة في الأرض—قادرة على كشف التشوهات في القشرة الأرضية بمستوى النانو-انفعال، مما يجعلها حساسة بما يكفي لتسجيل التشوهات العابرة الناتجة عن الزحف اللازلزالي والرعاش الحلقي والانزلاق العرضي (ETS) . لكن الإشارات الصادرة عن أحداث الانزلاق البطيء الصغيرة وقصيرة العمر تُدفن بسهولة ضمن بيانات السلاسل الزمنية المليئة بالضوضاء، والتي غالبًا ما يصعب على المحللين البشريين التقاطها . شبكات GPS، الأداة التقليدية لقياس حركة القشرة الأرضية، أقل فعالية حتى: فمعدلات الانفعال الناتجة عن هذه الأحداث العميقة غالبًا ما تكون أقل من عتبات الكشف لأجهزة GPS .

كيف يعمل DeepStrain

طُوِّر DeepStrain بواسطة عالمة الجيوفيزياء زهرة زالي (Zahra Zali) في معهد GFZ بوتسدام (GFZ Potsdam)، وهو نموذج تعلم عميق تم تدريبه خصيصًا على بيانات مقاييس الانفعال البئرية (Borehole Strainmeters) المأخوذة من شبكة الأمريكتين (NOTA)، وهي شبكة تابعة لمؤسسة العلوم الوطنية الأمريكية (NSF) . الخوارزمية تتعلم التعرف على أنماط الموجات الدقيقة للانزلاق البطيء داخل الضوضاء عالية الأبعاد لبيانات الانفعال المستمرة. تم إصدار الكود المصدري وأداة المعالجة الأولية (Preprocessing Pipeline) للجمهور في أغسطس 2025، مما يسمح لباحثين آخرين بتطبيق الطريقة على مناطق صدوع أخرى .

عند تطبيقه على منطقة باركفيلد، حقق DeepStrain نتيجة مذهلة: فقد اكتشف 90% من أحداث الانزلاق البطيء الموثقة يدويًا سابقًا، والأهم من ذلك، حدد 21 حدث انزلاق بطيء جديد لم يتم التقاطها من قبل عبر التحليل اليدوي . هذه الزيادة التي تقارب 30% في كتالوج الأحداث المعروفة توفر صورة أكثر اكتمالاً لسلوك الصدع في هذا المقطع الذي خضع لدراسة مكثفة من صدع سان أندرياس.

العلاقة الزمنية مع الزلازل منخفضة التردد

ربما كانت النتيجة الأكثر أهمية هي تلك التي ظهرت عندما حلل الفريق توقيت أحداث الانزلاق البطيء المُكتشفة حديثًا بالنسبة للزلازل منخفضة التردد. أظهرت البيانات أن أحداث الانزلاق البطيء كانت غالبًا ما تتبعها زلازل منخفضة التردد . هذا التسلسل الزمني يشير بقوة إلى وجود آلية سببية: الانزلاق البطيء اللازلزالي يُحمل أو يُحفز الرقعة الزلزالية التي تُنتج لاحقًا الزلزال منخفض التردد.

هذه النتيجة تتوافق مع أبحاث سابقة أظهرت أن نشاط الرعاش والزلازل منخفضة التردد في باركفيلد يتشاركون نفس مقياس العزم-المدة مثل أحداث الانزلاق البطيء، مما يعني وجود رابط فيزيائي بينهم . تم تفسير الزلازل منخفضة التردد منذ فترة طويلة على أنها مؤشرات زلزالية لانزلاق لازلزالي محيط بها ، لكن DeepStrain يقدم أوضح دليل جيوديسي حتى الآن على أن أحداث الانزلاق البطيئة الفردية تسبق هذه الزلازل الصغيرة ومن المحتمل أن تُحفزها.

الآثار المترتبة على مراقبة الصدوع ودور الذكاء الاصطناعي في الجيوفيزياء

قدرة كشفية موسعة

يُظهر DeepStrain أن الذكاء الاصطناعي يمكنه استخراج إشارات جيوديسية أقل من عتبة الكشف لكل من شبكات GPS والتحليل اليدوي لأجهزة الانفعال. هذا الكتالوج الموسع لأحداث الانزلاق البطيء يتيح دراسات إحصائية أكثر دقة لسلوك الصدع وفترات التكرار والظروف التي تؤدي إلى زلازل أكبر .

رابط سببي بين الانزلاق اللازلزالي والزلزالي

الملاحظة أن أحداث الانزلاق البطيء تسبق الزلازل منخفضة التردد بشكل منهجي تدعم النماذج التي يكون فيها الانزلاق البطيء مسؤولاً عن تحميل الرقع الصدعية القريبة، مما قد يقرّبها من الانهيار (أي حدوث الزلزال). هذا له أهمية مباشرة في فهم آلية بدء الزلازل (Nucleation) وتكرارها على صدع سان أندرياس—وهي منطقة بالغة الأهمية لتقييم المخاطر الزلزالية .

إمكانيات التشغيل في الوقت الفعلي

نظرًا لأن DeepStrain يمكن نشره على بيانات مستمرة من مقاييس الانفعال البئرية، فهو يُقدم أداة للكشف في الوقت شبه الحقيقي (Near-real-time) عن التشوهات العابرة التي قد تسبق الزلازل الأكبر. شبكة NOTA تمتلك بالفعل البنية التحتية اللازمة لأجهزة الانفعال وتوفر البيانات وأدوات المعالجة للمجتمع البحثي . هذا يمكن أن يُحدث تحولاً في طريقة دمج البيانات الجيوديسية في أنظمة الإنذار المبكر للزلازل.

سابقة أوسع لاستخدام الذكاء الاصطناعي في الجيوفيزياء

ينضم هذا العمل إلى مجموعة متزايدة من الأدلة على أن التعلم العميق يمكنه استخراج الإشارات الجيوفيزيائية بشكل منهجي، وهي إشارات كانت غير مرئية بالطرق التقليدية. طرق مماثلة—مثل استخدام الشبكات العصبية التلافيفية (CNNs) لكشف الرعاش في منطقة كاسكاديا (Cascadia) والتعلم العميق لتحديد الزلازل منخفضة التردد على صدع سان أندرياس —أظهرت أن الذكاء الاصطناعي يمكن أن يعمل كمُضاعِف للقوة لشبكات المراقبة الحالية . DeepStrain يُثبت أن نفس المبدأ ينطبق على بيانات أجهزة الانفعال البئرية، وهو نوع أساسي من أجهزة الاستشعار لكشف الانزلاق العابر في الجذور العميقة للصدوع.

تحفظات وأسئلة مفتوحة

لم يتم تفصيل البنية التقنية الدقيقة لـ DeepStrain (سواء أكانت تعتمد على تصميم تلافيفي أو متكرر أو محولات) في الملخصات العامة المتاحة. التفاصيل المنهجية الكاملة موجودة في الورقة البحثية المنشورة في مجلة Nature Communications (doi: 10.1038/s41467-026-74095-9) . بالإضافة إلى ذلك، تم التحقق من صحة الخوارزمية حتى الآن فقط على مقطع باركفيلد؛ ولا يزال أداؤها على مناطق صدوع أخرى ذات تكوينات أجهزة قياس انفعال مختلفة وخصائص ضوضاء متباينة بحاجة إلى الاختبار.