Yapay öğrenme ve teorik fizik alanında çalışan araştırmacı Arkadaş Özakın, 20 yılı aşkın süredir ABD’de sürdürdüğü profesyonel kariyerine nokta koydu ve mezunu olduğu Boğaziçi Üniversitesi’ne dönerek yapay öğrenme ve depremler konusunda yeni bir araştırmaya başladı. Silikon Vadisi’nde yapay öğrenme alanında çalışmalara imza atan bilim insanı, yeniden Boğaziçi’nde olmaktan heyecan duyduğunu belirterek hayalini kurduğu yerde olduğunu söylüyor. Özakın’ın araştırması, varlığından haberdar bile olmadığımız ‘’hayalet depremler’’in yapay öğrenme ile takibini konu alıyor.
Teorik fizikçi ve makine öğrenmesi araştırmacısı Arkadaş Özakın, Fizik ve Matematik çift anadal derecesiyle Boğaziçi Üniversitesi’nden 1997 yılında mezun oldu. Doktora derecesini Teorik Fizik dalında California Institute of Technology’den aldı. Ardından Georgia Institute of Technology’de Bilgisayar bölümünde yapay öğrenme, Georgia Tech Quantum Institute’ta ise Kuantum Bilgi İşleme Teknolojileri üzerine araştırmalar yaptı. Ardından Silikon Vadisi’nde özel bir şirkette çalıştı. Geçtiğimiz yıl, pandemiden hemen önce TÜBİTAK 2232 programıyla Türkiye’ye dönerek çalışmalarına mezunu olduğu Boğaziçi Üniversitesi’nde başlayan Arkadaş Özakın yapay öğrenme alanındaki birikim ve tecrübesini şimdi Boğaziçi Üniversitesi’nde yepyeni araştırma projelerinde kullanacak.
Yapay öğrenme alanında geniş bir yelpazede projeler üretmiş olan araştırmacı Arkadaş Özakın’ın yeni çalışması yapay öğrenme yöntemleriyle ‘’hayalet depremler’’in takibini konu alıyor. Proje kapsamında Boğaziçi Üniversitesi Kandilli Rasathanesi ve Deprem Araştırma Enstitüsü Jeofizik bölümünden Prof. Dr. Hayrullah Karabulut, Dr. Öğr. Üyesi Çağrı Diner ve Doç. Dr. Özgün Konca ile işbirliği halinde çalışılıyor. Ayrıca Boğaziçi Üniversitesi Kandilli Rasathanesi ve Deprem Araştırma Enstitüsü Jeodezi bölümünden Prof. Dr. Semih Ergintav ve Almanya’dan araştırmacı Dr. Yaman Özakın da projeye destek veriyor.
Arkadaş Özakın proje hakkında şu bilgileri verdi:
‘’Depremler her zaman hissedebileceğimiz büyüklükte gerçekleşmiyor, insanların hissetmediği, deprem tespit sistemlerinin de çoğu zaman gözden kaçırdığı çok sayıda ufak deprem oluyor. Küçük bir deprem, arka plandaki gürültünün içinde kendine ait hayalet gibi bir iz, bir fısıltı bırakıyor diyebiliriz. Bir yandan da ilginç bir şekilde, küçük depremler büyük depremlere oranla çok daha sık şekilde, çok daha fazla sayıda oluyorlar. Projemizin amacı bu tür hayalet depremler diyebileceğimiz depremleri yapay öğrenme tekniklerini kullanarak yakalamak. Kuzey Anadolu Fay Hattı gibi büyük depremler görülen faylarda aslında çok sayıda küçük deprem oluyor. Bu küçük depremler de fayın hareketine, davranışına, belki geleceğine dair ipuçları içeriyorlar. Küçük depremleri kaçırmak, fayın verdiği bu sinyalleri de kaçırmamız anlamına geliyor. Ne kadar çok depremi yüksek hassasiyetle yakalar ve incelersek, faya dair o kadar bilgi elde edebiliyoruz. Ve bunu, daha seyrek ve daha yıkıcı olan büyük depremleri beklemeden yapabiliyoruz.
Deprem tespitinin bir diğer faydası da bize yerin altındaki yapılar hakkında bilgi edinme şansı tanıması. Deprem dalgaları yerin içinde yayılırken, geçtikleri yerlere dair izler topluyorlar. Sismologlar bu izleri inceleyerek bir nevi tomografi çeker gibi yerin çeşitli katmanlarında ne gibi yapılar olduğunu öğreniyorlar. Çok fazla sayıda olan küçük depremleri yakalamak, bu türden bilgilere ulaşmamıza da katkıda bulunuyor’’.
‘’Yapay öğrenme teknikleri ile fay hatlarını daha iyi anlayacağız’’
‘’Kandilli Rasathanesi dahil olmak üzere dünyanın çeşitli deprem izleme merkezlerinde küçük depremleri yakalamak için kullanılan kimi teknikler mevcut. Ama bu teknikler çok vakit alıyor ve emek istiyor. Bu yüzden bunun ötesine geçmek istiyoruz. Yapay öğrenme teknikleri, birçok alandaki klasikleşmiş tespit ve sınıflandırma problemlerinde üstün başarılar gösterdiler. Bizim amacımız da bu yaklaşımı deprem tespitinde kullanmak’’.
Erken uyarı sistemlerinde yapay öğrenme teknolojisi kullanılabilir
‘’Erken uyarı sistemlerinin çeşitli sorunları olabiliyor. Deprem dalgaları daha yeni gelmeye başlamışken uyarı yapabilmek için çok yüksek bir hassasiyet gerekiyor, ama böyle yüksek bir hassasiyet, genelde yanlış alarmları da yanında getiriyor. Yapay öğrenmenin erken uyarı sistemlerinin bu tür sorunlarını çözebileceğini, sistemin kalitesini arttırabileceğini gösteren bazı göstergeler var. Projenin ilerlemesiyle birlikte üzerine çalışmayı düşündüğümüz hususlardan biri de bu. Sonuçlar iyi gelmeye devam ederse, yakalanmamış depremleri yakaladığımızı net şekilde gösterebilirsek ve bu alanda çalışan uzmanlar için yeni bilgiler üretebilirsek bu proje amacına ulaşmış olacak.’’
‘’Silikon Vadisi değerli bir tecrübeydi ama olmak istediğim yer akademi’’
‘’Silikon Vadisi’nde teknik açıdan kendime yakın hissettiğim insanlarla çalışmak, zor problemleri beraber çözmek heyecanlı ve güzeldi. Ama şahsi eğilimim aslında hep akademiden yana oldu, özel sektörde çalışmak başta çok planladığım bir şey değildi. Ama o tecrübeyi de yaşadığım için memnunum. Orada bir takım beceriler kazandım ve hep akademide kalsaydım o becerileri kazanamazdım diye düşünüyorum.
Şu anda bir kamu üniversitesinde, benim de mezunu olduğum Boğaziçi’nde öğrencilerimle birlikte çalışabilmek için çok değerli. Boğaziçi, yıllar boyunca hayalini kurduğum pek çok şeyi yapmak istediğim bir yer benim için. Ders vermeye başladıktan sonra öğrencileri beklediğimden, hatta bizim zamanımızdakinden çok daha iyi buldum. Bölümde de hem deneyimli, kıdemli hocalarımız, hem de genç ve rüzgârı olan bir akademik kadromuz var. Hem öğrenciler, hem hocalar açısından bir dinamizm görüyorum ve bu çok heyecan verici’’.
