새로운 연구는 인공 폭발 신호로부터 학습함으로써 컴퓨터를 훈련시켜 먼 핵폭발, 화학 폭발, 화산 분화를 보다 적절하게 검출할 수 있음을 발견했다.
이 연구는 저널 ‘GeophysicalResearchLetters’에 실렸다.
지구물리학연구소인 윌슨 알래스카테크니컬센터의 Witsil 등은 초저주파음 신호의 발생원을 인식하도록 컴퓨터를 훈련하기 위해 합성 초저주파음폭발신호 라이브러리를 만들었다. 초저주파음은 인간이 듣기에는 너무 낮은 주파수이며, 고주파의 가청파보다 멀리까지 전해집니다.
“모델링 소프트웨어를 사용하여 28,000개의 합성 초저주파음 신호를 생성했습니다. 컴퓨터에서 생성되었지만 대폭발에서 수백 킬로미터 떨어진 곳에 위치한 초저주파음 마이크를 통해 가상 라고 기록할 수 있었습니다”라고 Witsil은 말합니다.
인공 신호는 대기 조건의 변화를 반영하며, 음파가 전파됨에 따라 폭발 신호를 지역적으로 또는 전반적으로 변화시킬 수 있습니다. 이러한 변경으로 인해 폭발의 원인과 유형을 멀리서 감지하기가 어려울 수 있습니다.
실제 예제를 사용하는 대신 왜 폭발 인공음을 만들 수 있습니까? 폭발은 지구의 모든 곳에서 발생하는 것은 아니며, 대기는 끊임없이 변화하고 있기 때문에 일반화된 기계 학습 검출 알고리즘을 훈련시키기에 충분한 예가 없다.
Witsil은 “신호가 전파될 수 있는 다양한 종류의 대기를 모델링할 수 있기 때문에 합성을 사용하기로 결정했다”고 말했다. “예를 들어, 노스캐롤라이나에서 발생한 폭발에 액세스할 수 없는 경우에도 컴퓨터를 사용하여 노스캐롤라이나의 폭발을 모델링하고 거기에서 폭발 신호를 감지하기 위한 기계 학습 알고리즘을 구축할 수 있습니다.”
오늘날, 검출 알고리즘은 일반적으로 서로 근접한 복수의 마이크로 구성된 초저주파 사운드 어레이에 의존한다. 예를 들어, 핵폭발을 모니터링하는 국제적 포괄적 시험 금지 조약기구는 전세계에 초저주파음 배열을 배치하고 있습니다.
“그것은 비싸고 유지하기가 어렵고 더 많은 것이 깨질 수 있습니다.”라고 Wissil은 말했다. Witsil의 방법은 전세계에 설치된 수백 개의 단일 요소 초저주파 소리 마이크를 활용하여 감지를 향상시킵니다. 이렇게 하면 탐지 비용 효과가 높아집니다.
기계 학습 기술은 단일 요소 초저주파 소리 마이크를 거의 실시간으로 더 미묘한 폭발 신호를 감지할 수 있게 함으로써 그 유용성을 넓힙니다. 단일 요소 마이크는 1월 통가 화산의 대규모 분화와 마찬가지로 현재 알려진 일반적으로 고진폭 신호를 소급적으로 분석하는 경우에만 유용합니다.
Witsil의 방법은 국방 또는 자연 재해 완화를 위한 운영 환경에서 배포할 수 있습니다.
