Традиционно гул заводов, поездов и транспорта считался помехой для датчиков. Новая система же анализирует эти шумы: проходя сквозь породу, звук меняет свои характеристики, если структура земли начинает деформироваться под давлением тектонических плит.
Для обработки этих сложных сигналов специалисты применили передовые нейросетевые архитектуры – Physics-Informed Neural Networks (PINN) и Kolmogorov-Arnold Networks (KAN). Это позволило создать высокоточные 2D- и 3D-карты геологического строения без использования суперкомпьютеров. Метод дополняет реальные данные физическими законами, что резко повышает точность при малом количестве датчиков.
«Мы превращаем недостаток в преимущество. То, что раньше «ослепляло» наши приборы, теперь помогает нам видеть скрытые разломы», – поясняет доцент Политехнического института ДВФУ Сергей Шевкун.
Пока технология проходит стадию численных экспериментов, но потенциал огромен. Помимо прогноза катастроф, разработку планируют использовать для поиска полезных ископаемых и оценки устойчивости грунтов перед строительством атомных станций или мостов. Проект реализован при поддержке Минобрнауки России.
