Yeni bir çalışma, bilgisayarların yapay patlama sinyallerinden öğrenerek uzak nükleer patlamaları, kimyasal patlamaları ve yanardağ patlamalarını daha iyi tespit etmek için eğitilebileceğini buldu.
Çalışma, ‘Jeophysical Research Letters’ dergisinde yayınlandı.
Witsil, Jeofizik Enstitüsü’nün Wilson Alaska Teknik Merkezi’nde ve meslektaşları, bilgisayarları bir kızılötesi sinyalin kaynağını tanıma konusunda eğitmek için bir sentetik kızılötesi patlama sinyalleri kütüphanesi oluşturdular. Infrasound, insanlar tarafından duyulamayacak kadar düşük bir frekanstadır ve yüksek frekanslı işitilebilir dalgalardan daha uzağa gider.
Witsil, “Bir bilgisayarda oluşturulmuş olsa da, varsayımsal olarak büyük bir patlamadan yüzlerce kilometre uzakta bulunan kızılötesi mikrofonlar tarafından kaydedilebilen 28.000 sentetik kızılötesi sinyal üretmek için modelleme yazılımı kullandık.” Dedi.
Yapay sinyaller, ses dalgaları yayılırken bir patlamanın sinyalini bölgesel veya küresel olarak değiştirebilen atmosferik koşullardaki değişiklikleri yansıtır. Bu değişiklikler, büyük bir mesafeden bir patlamanın kaynağını ve türünü tespit etmeyi zorlaştırabilir.
Gerçek dünyadan örnekler kullanmak yerine neden yapay patlama sesleri yaratalım? Gezegendeki her yerde patlamalar meydana gelmediğinden ve atmosfer sürekli değiştiğinden, genelleştirilmiş makine öğrenimi algılama algoritmalarını eğitmek için yeterli gerçek dünya örneği yoktur.
Witsil, “Sinyallerin yayılabileceği bir dizi farklı atmosfer türünü modelleyebileceğimiz için sentetik kullanmaya karar verdik.” Dedi. “Örneğin, Kuzey Carolina’da meydana gelen herhangi bir patlamaya erişimimiz olmasa da, bilgisayarımı Kuzey Karolina patlamalarını modellemek için kullanabilir ve oradaki patlama sinyallerini algılamak için bir makine öğrenimi algoritması oluşturabilirim.”
Günümüzde algılama algoritmaları genellikle birbirine yakın çoklu mikrofonlardan oluşan infrasound dizilerine dayanmaktadır. Örneğin, nükleer patlamaları izleyen uluslararası Kapsamlı Test Yasağı Anlaşması Örgütü, dünya çapında konuşlandırılmış infrasound dizilerine sahiptir.
Witsil, “Bu pahalı, bakımı zor ve daha birçok şey kırılabilir” dedi. Witsil’in yöntemi, dünya çapında halihazırda bulunan yüzlerce tek elemanlı kızılötesi mikrofonu kullanarak algılamayı geliştirir. Bu, algılamayı daha uygun maliyetli hale getirir.
Makine öğrenimi yöntemi, neredeyse gerçek zamanlı olarak daha ince patlama sinyallerini algılayabilmelerini sağlayarak tek elemanlı kızılötesi mikrofonların kullanışlılığını genişletiyor. Tek elemanlı mikrofonlar, Ocak ayındaki devasa Tonga yanardağı patlamasında olduğu gibi, şu anda yalnızca bilinen ve tipik olarak yüksek genlikli sinyalleri geriye dönük olarak analiz etmek için kullanışlıdır.
Witsil’in yöntemi, ulusal savunma veya doğal tehlikelerin azaltılması için operasyonel bir ortamda konuşlandırılabilir.
