دو ساختمان پنجطبقه را در نظر بگیرید که نقشه، بتن و میلگردشان یکی است. یکی روی زمین سفت و سنگی ساخته شده و دیگری روی خاکی نرم و آبرفتی. زلزله که بیاید، این دو ساختمان یک‌جور نمی‌لرزند. مهندسان سازه این را سال‌هاست می‌دانند، ولی سنجیدنِ هم‌زمانِ خاک، لرزش زمین و رفتار سازه کار ساده‌ای نیست. حالا پژوهشگران دانشگاه ایست لندن (UEL) چارچوبی ساخته‌اند که با کمک هوش مصنوعی همین سه عامل را یک‌جا بررسی می‌کند. خبر آن را نشریهٔ Construction Management در ۵ نوامبر ۲۰۲۶ منتشر کرد. این نوشته توضیح می‌دهد هوش مصنوعی در مهندسی زلزله در این طرح دقیقاً چه کاری می‌کند، کجا قانع‌کننده است و کجا هنوز راه درازی در پیش دارد.
در یک نگاه
پژوهشگران دانشگاه ایست لندن چارچوبی به نام Proto-AGI ساخته‌اند که چهار فناوری تخصصی را زیر نظارت انسان کنار هم می‌گذارد. این چارچوب اثر هم‌زمان خاک محل، جنبش زمین و طراحی سازه را بر رفتار ساختمان در زلزله می‌سنجد. آزمون آن تا اینجا به یک ساختمان بتنآرمهٔ پنجطبقه، یک نیمرخ خاک و دو زلزله محدود بوده است.
- چارچوب دانشگاه ایست لندن با کمک هوش مصنوعی بررسی می‌کند که خاک محل، جنبش زمین و مقاومت سازه چه اثری بر توان ساختمان در برابر زلزله دارند.
- این چارچوب روی مدل رایانهای یک ساختمان بتنآرمهٔ پنجطبقه و با رکوردهای زلزلهٔ ۱۹۹۴ نورتریج و ۱۹۹۵ کوبه آزموده شده است.
- مطالعه فقط یک نیمرخ خاک و دو رکورد زلزله را به کار برده و تبادل اطلاعات میان ابزارها را مهندسان دستی انجام داده‌اند، پس پیش از کاربرد روزمره آزمونهای بیشتری لازم است.
- در یوروکد ۸ ضریب بزرگ‌نمایی خاک از ۱٫۰ برای زمین سنگی A تا ۱٫۸ برای زمین نرم D در طیف نوع ۲ تغییر می‌کند.
چارچوب هوش مصنوعی دانشگاه ایست لندن دقیقاً چه کاری می‌کند؟
این چارچوب سه عامل اصلی خطر زلزله را کنار هم می‌گذارد: شرایط خاک محل، جنبش زمین و مقاومت خود سازه. پرسش اصلی آن این است که این سه عامل با هم چه اثری بر توان ساختمان در برابر زلزله دارند. پاسخ این پرسش برای هر کسی مهم است که در شهری لرزه‌خیز زندگی می‌کند یا ساختمان می‌سازد.
پژوهشگران نام این چارچوب را «پیش‌هوش مصنوعی عمومی» (Proto-AGI) گذاشته‌اند. نام بزرگی است، ولی کار آن ملموس‌تر از نامش است. این چارچوب چهار فناوری تخصصی را کنار هم می‌گذارد تا ارزیابی کامل‌تری از خطر سازه به دست بدهد. نکتهٔ مهم این است که همهٔ کار زیر نظارت انسان انجام میشود. هوش مصنوعی در اینجا جای مهندس را نمی‌گیرد. کارش این است که ابزارهای جدا از هم را کنار هم بگذارد.
برای فهم ارزش این کار، روال متداول را تصور کنید: یک متخصص ژئوتکنیک (مهندسی که رفتار خاک و پی را بررسی می‌کند) خاک را می‌سنجد، یک زلزله‌شناس لرزش زمین را برآورد می‌کند و مهندس سازه مدل ساختمان را تحلیل می‌کند. هدف چارچوب UEL این است که این سه نگاه را در یک ارزیابی کنار هم بگذارد.
چرا خاک، لرزش زمین و سازه را باید با هم سنجید؟
به گفتهٔ پژوهشگران، پاسخ سازه به زلزله از اثر هم‌زمان سه چیز تعیین میشود: ویژگی‌های خود زلزله، شرایط خاک محل و طراحی سازه. به بیان ساده، هیچ‌کدام از این سه به‌تنهایی کل ماجرا را نمی‌گوید.
یک مثال آشنا کمک می‌کند. ظرفی ژله را تکان بدهید و بعد همان تکان را به یک تخته سنگ بدهید. ژله تکان را بزرگ‌تر و کش‌دارتر می‌کند. خاک نرم هم تا حدی همین کار را با موج زلزله می‌کند. حالا اگر ساختمانی با ارتفاع و سختی خاص روی این خاک باشد، ممکن است با این لرزش بزرگ‌شده هم‌نوا شود و آسیب بیشتری ببیند.
طبق اطلاعیهٔ UEL، بررسی هم‌زمان این عامل‌ها می‌تواند به مهندسان کمک کند نقطه‌های آسیب‌پذیر را روشن‌تر ببینند. منابع پیوست برای این بهبود خروجی یا عدد مشخصی نیاورده‌اند. پس فعلاً این ادعای پژوهشگران است و نتیجهٔ کمیِ سنجیده‌شده نیست.
آزمون روی یک ساختمان پنجطبقه با زلزله‌های نورتریج و کوبه
پژوهشگران چارچوب را روی مدل رایانهای یک ساختمان بتنآرمهٔ پنجطبقه آزمودند. بتن‌آرمه یعنی بتنی که داخلش میلگرد فولادی گذاشته‌اند تا هم فشار را تحمل کند و هم کشش را.
به این مدل، شتابنگاشتهای دو زلزلهٔ واقعی داده شد. شتاب‌نگاشت یعنی نمودار ثبت‌شدهٔ شتاب زمین در لحظه‌لحظهٔ زلزله، که دستگاه شتاب‌نگار آن را ضبط می‌کند. این دو زلزله را مهندسان زلزله در سراسر دنیا خوب می‌شناسند.
زلزلهٔ نورتریج در کالیفرنیا ساعت ۴:۳۰ بامداد ۱۷ ژانویهٔ ۱۹۹۴ رخ داد. بزرگای گشتاوری آن ۶٫۷ بود و کانونش در عمق حدود ۱۸٫۲ کیلومتری قرار داشت. بزرگای گشتاوری مقیاسی است که انرژی واقعی آزادشده در گسل را بهتر از مقیاس‌های قدیمی نشان می‌دهد. خسارت مالی این زلزله بین ۱۳ تا ۵۰ میلیارد دلار برآورد شده و از پرهزینه‌ترین بلایای طبیعی آمریکا است. حدود ۲۰ هزار نفر هم بی‌خانمان شدند.
زلزلهٔ هیوگوکن-نانبو، که بیشتر با نام زلزلهٔ کوبه شناخته میشود، درست یک سال بعد، در ۱۷ ژانویهٔ ۱۹۹۵، در ژاپن رخ داد. بزرگای گشتاوری آن ۶٫۹ و بزرگای آن در مقیاس سازمان هواشناسی ژاپن (JMA) ۷٫۲ گزارش شده است. تفاوت این دو عدد به خاطر روش اندازه‌گیری است و نباید آن‌ها را با هم اشتباه گرفت.
انتخاب فقط دو رکورد محدودیتی هم دارد که جلوتر به آن می‌رسیم.
- ویژگی: تاریخ · نورتریج: ۱۷ ژانویهٔ ۱۹۹۴ · کوبه (هیوگوکن-نانبو): ۱۷ ژانویهٔ ۱۹۹۵
- ویژگی: محل · نورتریج: کالیفرنیا، آمریکا · کوبه (هیوگوکن-نانبو): ژاپن
- ویژگی: بزرگای گشتاوری (Mw) · نورتریج: ۶٫۷ · کوبه (هیوگوکن-نانبو): ۶٫۹
- ویژگی: بزرگا در مقیاس JMA · نورتریج: — · کوبه (هیوگوکن-نانبو): ۷٫۲
- ویژگی: نکتهٔ شاخص · نورتریج: عمق کانون حدود ۱۸٫۲ کیلومتر؛ خسارت ۱۳ تا ۵۰ میلیارد دلار · کوبه (هیوگوکن-نانبو): یکی از دو رکورد آزمون چارچوب UEL
یادگیری ماشین و منحنی شکنندگی: کار UEL در کدام روند می‌نشیند؟
کار دانشگاه ایست لندن ادامهٔ روندی است که از یادگیری ماشین برای سنجش آسیب‌پذیری ساختمان‌ها استفاده می‌کند. یادگیری ماشین شاخه‌ای از هوش مصنوعی است که الگو را از داده یاد می‌گیرد، نه از دستورهایی که کسی از پیش برایش نوشته باشد.
یکی از ابزارهای اصلی در این حوزه «منحنی شکنندگی» است. این منحنی به زبان ساده نشان می‌دهد با بیشتر شدن شدت لرزش، احتمال آسیب‌دیدن ساختمان در یک سطح مشخص چقدر بالا می‌رود. ساختن این منحنی معمولاً به تحلیل‌های سنگین و داده‌های زیاد نیاز دارد.
پژوهشی در دانشگاه بیرمنگام همین مسئله را بررسی کرده است. پرسش آن پژوهش این بود که آیا می‌توان پارامترهای منحنی شکنندگی را با داده‌های محدود پیش‌بینی کرد. این پارامترها پراکندگی (β) و میانه (μ) برحسب لگاریتم بیشینهٔ شتاب زمین (log PGA) هستند. پژوهشگران چند مدل یادگیری ماشین را مقایسه کردند و درخت تصمیم برای پیش‌بینی هر دو پارامتر دقیق‌ترین مدل بود.
این مقایسه یک نکتهٔ مهم را نشان می‌دهد. در این حوزه گاهی مدل‌های ساده‌تر و شفاف‌تر هم نتیجهٔ خوبی می‌دهند. تفاوت کار UEL این است که به جای پیش‌بینی یک پارامتر، می‌کوشد چند ابزار تخصصی را در یک ارزیابی یکپارچه کنار هم بگذارد.
خاک چقدر مهم است؟ نگاهی به یوروکد ۸
آیین‌نامه‌های زلزله اثر خاک را با ضریب و رده‌بندی وارد طراحی می‌کنند، و همین نشان می‌دهد تأکید UEL بر خاک بی‌دلیل نیست. یوروکد ۸ اروپا نمونه‌ای از این رویکرد است.
یوروکد ۸ آییننامهٔ طراحی لرزهای در کشورهای اروپایی است و در ایران مقررات لازم‌الاجرا به شمار نمی‌آید. در «طیف پاسخ ارتجاعی» این آیین‌نامه، هر نوع زمین ضریب بزرگ‌نمایی S و دوره‌های گوشهٔ خودش را دارد. طیف پاسخ نموداری است که نشان می‌دهد ساختمان‌هایی با سختی‌های مختلف در یک زلزله چه شتابی را تجربه می‌کنند. برای زمین سنگی A مقدار S برابر ۱٫۰ است و برای زمین نرم D در طیف نوع ۲ به ۱٫۸ می‌رسد. البته این عدد فقط ضریب بزرگ‌نمایی طیف است، نه اندازهٔ مستقیم پاسخ یا آسیب سازه؛ دوره‌های گوشهٔ طیف هم با نوع زمین عوض می‌شوند و پاسخ واقعی هر ساختمان را مهندس با تحلیل کامل می‌سنجد.
در ایران مبنای طراحی لرزهای استاندارد ۲۸۰۰ و مقررات ملی ساختمان است. جزئیات رده‌بندی خاک و مرزهای عددی آن را باید از متن رسمی استاندارد و با مهندس دارای صلاحیت بررسی کرد؛ این نوشته آن‌ها را بازگو نمی‌کند.
پیام این مقایسه روشن است: آیین‌نامه‌ها خاک را جدی می‌گیرند، ولی هر کدام با رده‌بندی و ضریب‌های خودشان. پس نتیجهٔ مدلی که با یک نیمرخ خاک آزموده شده، خودبه‌خود به زمین‌های ایران تعمیم‌پذیر نیست.
چرا این چارچوب هنوز آمادهٔ استفاده در پروژه‌های واقعی نیست؟
چون آزمون آن بسیار محدود بوده است. پژوهشگران فقط یک نیمرخ خاک و دو رکورد زلزله را به کار برده‌اند. نیمرخ خاک یعنی تصویری از لایه‌های خاک زیر ساختمان، از سطح زمین تا عمق، با ویژگی‌های هر لایه.
محدودیت دوم مهم‌تر است. اطلاعات میان چهار فناوری را مهندسان دستی جابه‌جا کرده‌اند. یعنی آن یکپارچگی که از نام چارچوب انتظار می‌رود، هنوز خودکار نیست. خود گزارش هم می‌گوید پیش از استفادهٔ روزمره در کار مهندسی، آزمونهای بیشتری لازم است.
باید صریح گفت که منابع پیوست چهار فناوری این چارچوب را نام نمی‌برند و نتیجهٔ کمیِ آزمون را هم گزارش نکرده‌اند. این نوشته فقط به همین اندازه از آن‌ها استفاده می‌کند. برای جزئیات روش و نتایج عددی باید به متن کاملِ پژوهش مراجعه کرد.
پس بهتر است این کار را «اثبات مفهوم» بدانیم: نشان می‌دهد ایده شدنی است، ولی هنوز ثابت نکرده که در شرایط متنوع جواب می‌دهد. یک ساختمان پنجطبقه، یک خاک و دو زلزله شروع خوبی است. ولی شهرها پر از ساختمان‌هایی با ارتفاع، سیستم سازه‌ای و زمین‌های گوناگون‌اند.
این خبر برای مهندس و مالک ایرانی چه معنایی دارد؟
فعلاً هیچ تغییری در طراحی و ساخت در ایران ایجاد نمی‌کند، ولی جهت حرکت این حوزه را نشان می‌دهد. مبنای طراحی لرزهای در ایران همچنان استاندارد ۲۸۰۰ و مقررات ملی ساختمان است، نه ابزارهای پژوهشی.
اگر قصد خرید یا ساخت دارید، درس اصلی این پژوهش ربطی به هوش مصنوعی ندارد: خاک زیر ساختمان به اندازهٔ خود ساختمان اهمیت دارد. پرسیدن دربارهٔ نوع زمین و گزارش مطالعات خاک پرسشی منطقی است. ولی تفسیر آن گزارش و هر تصمیمی دربارهٔ طراحی یا مقاوم‌سازی، کار مهندس دارای صلاحیت است.
برای مهندسان و پژوهشگران ایرانی، این کار می‌تواند الگوی خوبی برای پژوهش‌های بعدی باشد. آزمودن چنین چارچوب‌هایی با رده‌بندی زمین در مقررات ملی و رکوردهای زلزله‌های منطقه، می‌تواند نشان دهد این ابزارها در شرایط ایران چقدر به کار می‌آیند.
پرسش‌های پرتکرار
آیا هوش مصنوعی می‌تواند جای مهندس سازه را در طراحی لرزهای بگیرد؟
نه. در چارچوب دانشگاه ایست لندن هم همهٔ کار زیر نظارت انسان انجام میشود و مهندسان اطلاعات میان ابزارها را دستی جابه‌جا کرده‌اند. طراحی و اجرا در ایران با مهندس دارای صلاحیت و بر پایهٔ مقررات ملی است.
این چارچوب روی چه ساختمانی آزمایش شده است؟
روی مدل رایانهای یک ساختمان بتنآرمهٔ پنجطبقه، با شتابنگاشتهای زلزلهٔ ۱۹۹۴ نورتریج و ۱۹۹۵ کوبه.
آیا یوروکد ۸ در ایران لازمالاجراست؟
نه. یوروکد ۸ آییننامهٔ اروپایی است. در ایران مبنای طراحی لرزهای استاندارد ۲۸۰۰ و مقررات ملی ساختمان است.
چه زمانی این ابزار وارد کار روزمرهٔ مهندسی میشود؟
زمانی مشخص نشده است. خود پژوهشگران میگویند پیش از استفادهٔ روزمره آزمونهای بیشتری لازم است، چون تا اینجا فقط یک نیمرخ خاک و دو رکورد زلزله بررسی شده است.
جمع‌بندی
چارچوب دانشگاه ایست لندن پیام ساده و درستی دارد: رفتار ساختمان در زلزله را نمی‌شود با نگاه کردن به یک عامل فهمید. خاک، لرزش زمین و سازه باید با هم دیده شوند، و هوش مصنوعی می‌تواند این ابزارهای جدا را به هم نزدیک کند. ولی آزمون روی یک ساختمان پنجطبقه، یک نیمرخ خاک و دو زلزله فقط قدم اول است. تا آزمونهای گسترده‌تر انجام نشده، این چارچوب ابزاری پژوهشی است، نه جایگزین آیین‌نامه. در ایران هم مبنای کار همچنان استاندارد ۲۸۰۰ و قضاوت مهندس دارای صلاحیت است.
