محققان بررسی می کنند که چگونه هوش مصنوعی می تواند ایمنی در برابر زلزله را بهبود بخشد
محققان دانشگاه شرق لندن (UEL) با استفاده از فناوری به کمک هوش مصنوعی چارچوب جدیدی را برای ارزیابی خطرات زلزله ایجاد کرده اند تا بررسی کنند که چگونه شرایط خاک، لرزش زمین و استحکام ساختاری بر توانایی ساختمان برای مقاومت در برابر فعالیت لرزه ای تأثیر می گذارد.
ویرایش شده توسط Swati Mestri، بررسی توسط اندرو زینین
این مقاله با توجه به روند و سیاست های ویرایشی Science X بررسی شده است. ویراستاران ضمن اطمینان از اعتبار محتوا، ویژگی های زیر را برجسته کرده اند:
محققان دانشگاه شرق لندن (UEL) با استفاده از فناوری به کمک هوش مصنوعی چارچوب جدیدی را برای ارزیابی خطرات زلزله ایجاد کرده اند تا بررسی کنند که چگونه شرایط خاک، لرزش زمین و استحکام ساختاری بر توانایی ساختمان برای مقاومت در برابر فعالیت لرزه ای تأثیر می گذارد.
این مطالعه به رهبری دکتر جاوید قریشی، مدرس ارشد مهندسی سازه و طراحی، مدل کامپیوتری یک ساختمان بتنی مسلح پنج طبقه را با استفاده از دادههای ثبت شده حرکت زمین از زلزلههای ویرانگر نورتریج و کوبه در سالهای 1994 و 1995، با استفاده از چهار فنآوری مهندسی تخصصی برای ارزیابی مقاومت جریان کاری واحد در شرایط خاک، آزمایش کرد.
این تحقیق در مجله Buildings منتشر شده است.
طراحی ساختمان هایی برای مقاومت در برابر زلزله یک چالش پیچیده است. مهندسان باید نه تنها قدرت یک زلزله، بلکه زمین زیر ساختمان، نحوه حرکت سازه و اینکه آیا اجزای منفرد آن می توانند در برابر نیروهای درگیر مقاومت کنند را نیز در نظر بگیرند. این عوامل اغلب با استفاده از ابزارهای مهندسی جداگانه ارزیابی میشوند و درک نحوه تعامل و تأثیرگذاری بر عملکرد کلی ساختمان را دشوار میسازند.
مطالعه UEL چارچوبی را بررسی کرد که به عنوان هوش عمومی اولیه (Proto-AGI) توصیف میشود، که چهار فناوری تخصصی را تحت نظارت انسان گرد هم میآورد تا ارزیابی کاملتری از ریسکهای ساختاری ارائه دهد.
قریشی گفت: مهندسان سازه همیشه می دانستند که ساختمان ها به صورت مجزا شکست نمی خورند، آنچه در زیر زمین اتفاق می افتد بر نحوه حرکت سازه تاثیر می گذارد و نحوه حرکت سازه تعیین کننده ماندگاری آن است. اکنون برای اولین بار چارچوبی داریم که همه آن قطعات را به هم متصل می کند.
برای نشان دادن این رویکرد، محققان از حرکات زمین ثبت شده از زلزله 1994 نورتریج در کالیفرنیا و زلزله 1995 کوبه در ژاپن، دو تا از مخرب ترین زلزله های قرن بیستم استفاده کردند.
آنها سوابق زلزله را بر روی مدل کامپیوتری یک ساختمان پنج طبقه بتن آرمه اعمال کردند تا نحوه واکنش آن را بررسی کنند.
نتایج نشان داد که اگرچه رکورد نورتریج تقریبا 3.4 برابر میانه تقاضای لرزه ای رکورد کوبه در دوره طبیعی ساختمان ایجاد می کند، تفاوت در حرکت سازه اوج تنها 1.32 برابر بود.
مقایسه نشان می دهد که رابطه بین لرزش زمین و حرکت سازه ساده نیست. تفاوت بزرگتر در تکان هایی که یک ساختمان تجربه می کند لزوما به تفاوت به همان اندازه بزرگ در حرکت آن تبدیل نمی شود.
ویژگیهای زلزله، خاک زیر ساختمان و طراحی سازه همگی بر نتیجه تأثیر میگذارند، به همین دلیل است که تکانهای قویتر لزوما باعث ایجاد حرکت نسبتا بیشتری در ساختمان نمیشود. بررسی این عوامل با هم می تواند به مهندسان کمک کند تا به جای در نظر گرفتن هر بخش از ارزیابی به صورت مجزا، به درک چگونگی توسعه آسیب پذیری ها در یک ساختار کمک کند.
این تحقیق به بررسی این موضوع میپردازد که چگونه فناوریهای به کمک هوش مصنوعی میتوانند روشی که مهندسان ساختمانها و زیرساختها را ارزیابی میکنند، بهبود بخشد. رویکرد پیشنهادی به جای جایگزینی مهندسان، ابزارهای دیجیتال را با هم ترکیب میکند و متخصصان انسانی بر فرآیند نظارت میکنند و نتایج را تفسیر میکنند. این رویکرد هماهنگ میتواند پایهای برای سیستمهای مهندسی پیشرفتهتر، با ترکیب اطلاعات از رشتههای مختلف برای ایجاد درک واضحتری از عملکرد سازه، فراهم کند.
این یافتهها همچنین نشان میدهد که چگونه فناوریهای دیجیتال میتوانند به صنعت ساختوساز کمک کنند تا زیرساختهای بهتری را برای مقاومت در برابر خطرات طبیعی توسعه دهد.
قبل از اینکه این رویکرد به طور معمول در عمل مهندسی مورد استفاده قرار گیرد، آزمایش بیشتری لازم است. مطالعه اولیه از یک نمایه خاک و دو رکورد زلزله استفاده کرد و مهندسان به صورت دستی اطلاعات را بین فناوری ها هماهنگ کردند. تحقیقات آینده می تواند مجموعه داده های بزرگتر زلزله، اتوماسیون بیشتر و اطلاعات از بازرسی ساختمان و نظارت بر سازه را بررسی کند.
قریشی افزود، "هدف هرگز جایگزینی قضاوت مهندسی با هوش مصنوعی نبود. این هدف ارائه تصویری واضح تر و کامل تر به مهندسان قبل از تصمیم گیری بود. این چیزی است که این تحقیق ارائه می دهد."
جاوید قریشی و همکاران، پل زدن بر شکاف: یک گردش کار پروتو-AGI هماهنگ شده توسط انسان برای ارزیابی مهندسی سازه متقابل دامنه، ساختمان ها (2026). DOI: 10.3390/buildings16163324
سواتی مستری دارای مدرک لیسانس در مهندسی الکترونیک است و از سال 2019 به عنوان ویرایشگر محتوا کار کرده است. او ویرایش اسناد تحقیقاتی در زمینه فناوری، مراقبت های بهداشتی و علم مواد را تجربه کرده است و علاقه خاصی به فناوری و فضا دارد. نمایه کامل →
فوق لیسانس فیزیک با تجربه تحقیق. علاقه مندان به اخبار علمی طولانی مدت. نقش کلیدی در موفقیت سرمقاله Science X ایفا می کند. نمایه کامل →
متن اصلی (انگلیسی)
Researchers explore how AI could improve earthquake safety
Researchers at the University of East London (UEL) have developed a new framework for assessing earthquake risks, using AI-assisted technology to examine how soil conditions, ground shaking and structural strength influence a building's ability to withstand seismic activity.