सेकंडों में झटकों के खतरे का अनुमान लगाने वाले एआई उपकरण

अंतर्राष्ट्रीय शोधकर्ताओं के एक समूह ने, जिसमें एडिनबर्ग विश्वविद्यालय, ब्रिटिश भूवैज्ञानिक सर्वेक्षण (BGS), और पादुआ विश्वविद्यालय के विशेषज्ञ शामिल हैं, कृत्रिम बुद्धिमत्ता (AI) पर आधारित एक ऐसा उपकरण विकसित किया है जो आफ्टरशॉक (झटके के बाद आने वाले छोटे भूकंप) के जोखिम का पूर्वानुमान लगा सकता है। वर्ष 2025 के अंत में प्रकाशित हुए इन शोध परिणामों के अनुसार, यह तकनीक मुख्य भूकंप के तुरंत बाद पहले 24 घंटों के भीतर 4.0 या उससे अधिक तीव्रता वाले आफ्टरशॉक्स की संभावना और संख्या का आकलन लगभग तुरंत कर सकती है।

इस गहन शिक्षण प्रणाली (डीप लर्निंग सिस्टम) को उच्च भूकंपीय गतिविधि वाले पाँच क्षेत्रों के विस्तृत भूकंपीय डेटा पर प्रशिक्षित किया गया था। इन क्षेत्रों में कैलिफ़ोर्निया, न्यूज़ीलैंड, इटली, जापान और ग्रीस शामिल हैं। यह विकास पूर्वानुमान की गुणवत्ता के मामले में स्थापित 'महामारी-प्रकार के आफ्टरशॉक अनुक्रम' (Epidemic-Type Aftershock Sequence - ETAS) मॉडल के बराबर प्रदर्शन करता है, जो कई देशों में संचालन का मानक बना हुआ है।

शोध की प्रमुख, एडिनबर्ग विश्वविद्यालय और BGS की शोधार्थी फोटोनी डेरविसि ने इस नई एआई-समाधान के मुख्य लाभ को इसकी गति बताया। उन्होंने स्पष्ट किया कि जहाँ ETAS मॉडल को हजारों सिमुलेशन पूरे करने में घंटों या दिन लग जाते हैं, वहीं एआई मॉडल कुछ ही सेकंड में परिणाम प्रस्तुत कर देते हैं। यह गति आपदाग्रस्त क्षेत्रों में अत्यंत महत्वपूर्ण है, क्योंकि आफ्टरशॉक्स पहले से क्षतिग्रस्त संरचनाओं को गिरा सकते हैं और बचाव कार्यों में बाधा डाल सकते हैं।

फरवरी 2023 में तुर्की में आए विनाशकारी भूकंप जैसी पिछली घटनाओं का ऐतिहासिक संदर्भ इन त्वरित उपकरणों की तत्काल आवश्यकता को रेखांकित करता है, जो संकट प्रबंधन के लिए अमूल्य साबित हो सकते हैं। इन उपकरणों की त्वरित प्रतिक्रिया जीवन बचाने और संसाधनों के प्रभावी आवंटन में सहायक होती है।

शोधकर्ताओं का मानना है कि SmaAt-UNet और Earthformer जैसे इन एआई मॉडलों को लगभग वास्तविक समय में मशीन लर्निंग द्वारा उत्पन्न उच्च-सटीकता वाले भूकंपीय कैटलॉग के साथ एकीकृत करना, परिचालन भूकंप विज्ञान के विकास में अगला महत्वपूर्ण कदम है। यह उपलब्धि संसाधन-गहन भूकंपीय विश्लेषण से हटकर लगभग तत्काल महत्वपूर्ण जानकारी प्रदान करने की दिशा में एक बड़ा बदलाव लाती है।

यह शोध कार्य यूरोपीय संघ के 'होराइजन 2020' कार्यक्रम के तहत मारिया स्कोलोडोव्स्का-क्यूरी नवाचार प्रशिक्षण नेटवर्क के माध्यम से आंशिक रूप से समर्थित था। इस सहयोग ने विभिन्न भौगोलिक क्षेत्रों के डेटा का उपयोग करके मॉडल की मजबूती सुनिश्चित की है, जिससे यह वैश्विक स्तर पर लागू होने योग्य बन गया है।