PUBBLICITA

Un nuovo metodo che potrebbe aiutare a prevedere le scosse di assestamento del terremoto

Un nuovo approccio di intelligenza artificiale potrebbe aiutare a prevedere la posizione delle scosse di assestamento a seguito di un terremoto

An terremoto è un fenomeno causato dalla roccia sotterranea nel Terra la crosta si rompe improvvisamente attorno ad una linea di faglia geologica. Ciò provoca un rapido rilascio di energia che produce onde sismiche che poi fanno tremare il terreno e questa è la sensazione che proviamo durante un terremoto. Il punto in cui la roccia si rompe è chiamato fuoco del terremoto e il posto al di sopra di esso a terra è chiamato "epicentro". L'energia rilasciata viene misurata come magnitudo, una scala per descrivere quanto energetico è stato un terremoto. Un terremoto di magnitudo 2 è appena percettibile e può essere registrato solo utilizzando apparecchiature specializzate e sensibili terremoti di magnitudo superiore a 8 possono far tremare notevolmente il terreno. Un terremoto è generalmente seguito da numerose scosse di assestamento che si verificano con un meccanismo simile e che sono ugualmente devastanti e molte volte la loro intensità e gravità è simile al terremoto originale. Tali scosse post-terremoto si verificano generalmente entro la prima ora o il giorno successivo a quello principale terremoto. Prevedere la distribuzione spaziale delle scosse di assestamento è molto impegnativo.

Gli scienziati hanno formulato leggi empiriche per descrivere la dimensione e la durata delle scosse di assestamento, ma individuarne la posizione è ancora una sfida. I ricercatori di Google e dell’Università di Harvard hanno ideato un nuovo approccio per la valutazione terremoti e la previsione della posizione delle scosse di assestamento utilizzando la tecnologia dell'intelligenza artificiale nel loro studio pubblicato nel Natura. Hanno utilizzato specificamente l'apprendimento automatico, un aspetto dell'intelligenza artificiale. Nell'approccio di apprendimento automatico, una macchina "impara" da un insieme di dati e dopo aver acquisito questa conoscenza è in grado di utilizzare queste informazioni per fare previsioni sui dati più recenti.

I ricercatori hanno prima analizzato un database di terremoti globali utilizzando algoritmi di deep learning. L'apprendimento profondo è un tipo avanzato di apprendimento automatico in cui le reti neurali cercano di imitare il processo di pensiero del cervello umano. Successivamente, miravano a essere in grado di previsione scosse di assestamento meglio di ipotesi casuali e cercare di risolvere il problema di "dove" si verificheranno le scosse di assestamento. Sono state utilizzate le osservazioni raccolte da più di 199 grandi terremoti in tutto il mondo, costituite da circa 131,000 coppie di scosse principali e scosse di assestamento. Queste informazioni sono state combinate con un modello basato sulla fisica che descrive come Terra sarebbe teso e teso dopo un terremoto che poi scateneranno delle scosse di assestamento. Hanno creato griglie di 5 chilometri quadrati all'interno delle quali il sistema avrebbe controllato una scossa di assestamento. La rete neurale formerebbe quindi relazioni tra le tensioni causate dal terremoto principale e la posizione delle scosse di assestamento. Una volta che il sistema di rete neurale è stato ben addestrato in questo modo, è stato in grado di prevedere con precisione la posizione delle scosse di assestamento. Lo studio è stato estremamente impegnativo in quanto ha utilizzato complessi dati reali sui terremoti. I ricercatori si sono invece stabiliti artificiale e tipi di terremoti "ideali" per creare previsioni e quindi esaminare le previsioni. Esaminando l'output della rete neurale, hanno cercato di analizzare quali diverse "quantità" possono controllare la previsione delle scosse di assestamento. Dopo aver effettuato confronti spaziali, i ricercatori sono giunti alla conclusione che un tipico modello di scossa di assestamento era fisicamente "interpretabile". Il team suggerisce che una quantità chiamata seconda variante della tensione da stress deviatorico, chiamata semplicemente J2, è la chiave. Questa quantità è altamente interpretabile ed è normalmente utilizzata nella metallurgia e in altri campi, ma non è mai stata utilizzata prima per lo studio dei terremoti.

Le scosse di assestamento dei terremoti causano ulteriori feriti, danneggiano le proprietà e ostacolano anche gli sforzi di salvataggio, quindi prevederli sarebbe salvavita per l’umanità. Le previsioni in tempo reale potrebbero non essere possibili in questo preciso momento poiché gli attuali modelli di intelligenza artificiale possono gestire solo un particolare tipo di scossa di assestamento e una semplice linea di faglia geologica. Questo è importante perché le linee di faglia geologiche hanno geometrie diverse in diverse posizioni geografiche sul territorio pianeta. Pertanto, potrebbe non essere attualmente applicabile a diversi tipi di terremoti in tutto il mondo. Tuttavia, la tecnologia dell’intelligenza artificiale sembra adatta ai terremoti a causa del numero di variabili che devono essere prese in considerazione durante lo studio, ad esempio la forza dello shock, la posizione delle placche tettoniche, ecc.

Le reti neurali sono progettate per migliorare nel tempo, ovvero più dati vengono inseriti in un sistema, più apprendimento avviene e il sistema migliora costantemente. In futuro un tale sistema potrebbe essere parte integrante dei sistemi di previsione utilizzati dai sismologi. I pianificatori potrebbero anche attuare misure di emergenza basate sulla conoscenza del comportamento dei terremoti. Il team vuole utilizzare la tecnologia dell'intelligenza artificiale per prevedere la magnitudo dei terremoti.

***

{Puoi leggere il documento di ricerca originale facendo clic sul collegamento DOI indicato di seguito nell'elenco delle fonti citate}

Fonte (s)

DeVries PMR et al. 2018. Apprendimento approfondito dei modelli di scosse di assestamento a seguito di grandi terremoti. Natura560 (7720).
https://doi.org/10.1038/s41586-018-0438-y

***

Squadra SCIEU
Squadra SCIEUhttps://www.scientificeuropean.co.uk
Scientific European® | SCIEU.com | Progressi significativi della scienza. Impatto sull'umanità. Menti ispiratrici.

Iscriviti alla nostra Newsletter

Per essere aggiornato con tutte le ultime notizie, offerte e annunci speciali.

Articoli più letti

Spreco di cibo dovuto allo scarto prematuro: un sensore a basso costo per testare la freschezza

Gli scienziati hanno sviluppato un sensore poco costoso utilizzando la tecnologia PEGS...

Crisi COVID-19 in India: cosa potrebbe essere andato storto?

L'analisi causale dell'attuale crisi in India...

I corvi possono formare concetti numerici e pianificare le loro vocalizzazioni 

Le cornacchie nere possono applicare le loro capacità di apprendimento e la loro capacità vocale...
- Annuncio pubblicitario -
93,316FanCome
47,364SeguaciSegui
1,772SeguaciSegui
30IscrittiSottoscrivi