逐日科学网6月28日宣布，由日本东京工业大学地球生命科学研究所的Daigo Shoji领导的科学家们研发了一个拥有可以对火山灰颗粒形状进行分类的繁芜神经网络的人工智能程序。
由于火山颗粒的形状与火山喷发的类型有关，这种分类将助于供应火山喷发的干系信息，并帮助人们减轻火山磨难。

从2010年冰岛埃亚菲亚德拉冰盖火山的爆发，到2018年5月夏威夷群岛相对沉着的熔岩流,火山爆发的形式多种多样。
同样，这些火山喷发也会导致从火山灰云到熔岩平分歧的干系威胁。
有时，火山的喷发机制（如水和岩浆相互浸染）并不明显，须要火山学家对其机型仔细评估才能确定未来的威胁以及应对方法。
火山学家密切关注火山爆发产生的火山灰，由于不同的火山爆发会产生不同形状的火山灰颗粒。
但是，人类如何能够客不雅观地剖析成千上万个眇小的样本，从而得出火山喷发的连贯图像呢？常日，科学家们用肉眼对火山灰进行分类，但这一过程是缓慢的、主不雅观的。
传统的打算机程序可以快速地根据客不雅观参数（如圆度）对粒子进行分类，但是参数的选择仍旧是一个难题，由于在自然界中很少能找到大略的由一个参数分类的形状。

▲在显微镜下，火山灰由数千个形状繁芜的眇小颗粒组成。

名为卷积神经网络（CNN）的最新的人工智能可以专门用来剖析图像。
与其他打算机程序不同的是，CNN不局限于大略的参数循环，而是像人一样有组织地学习，但速率要快几千倍。
该项目也可以共享，从而不再像以前那样，同时须要数十名演习有素的地质学家进行赞助。
在这项实验中，科学家向程序中输入了由不同的喷发机制产生的数百个粒子的图像。
火山爆发时岩石碎裂成块状的火山灰颗粒，熔岩起泡时呈泡状，颗粒熔化和挤压时呈苗条状，颗粒在流体的表面张力的浸染下呈圆形（如水点）。
实验成功地教会程序对微粒基形进行分类，成功率达到92%，纵然在不愿定的形状下，也能给每个粒子分配概率比。
这可能会给未来的数据增加一层繁芜性，为科学家供应更好的工具来确定火山喷发类型。

Shoji博士的研究表明，CNN可以创造有用的、繁芜的、具有巨大地质代价的眇小粒子的干系信息。
该研究小组与生物学家、打算机科学家和地质学家互助，希望以更新的办法利用CNN。

微不雅观天下总是有无数的问题，但多亏了研究火山的科学家，答案可能不再那么难找到了。

编译：Coke 审稿：阿淼

责编：南熙

来源：http://h5.scimall.net.cn/register?from=xh005

版权声明：本文由科界平台原创编译，中文内容仅供参考，统统内容以英文原版为准。
转载请注明来源：科技事情者之家-科界App。