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 quando la roccia sotterranea nella crosta terrestre si rompe improvvisamente attorno a una linea di faglia geologica. Questo provoca un rapido rilascio di energia che produce onde sismiche che poi fanno tremare il terreno ed è questa la sensazione che si prova durante un terremoto. Il punto in cui la roccia si rompe è chiamato fuoco del terremoto e il posto sopra di esso sul terreno è chiamato 'epicentro'. L'energia rilasciata viene misurata come magnitudo, una scala per descrivere quanto fosse energetico un terremoto. Un terremoto di magnitudo 2 è appena percettibile e può essere registrato solo utilizzando apparecchiature specializzate sensibili, mentre terremoti di magnitudo superiore a 8 possono far tremare notevolmente il terreno. Un terremoto è generalmente seguito da molte scosse di assestamento che avvengono con un meccanismo simile e che sono ugualmente devastanti e molte volte la loro intensità e gravità è simile al terremoto originale. Tali tremori post-terremoto si verificano generalmente entro la prima ora o un giorno dopo il terremoto principale. La previsione della distribuzione spaziale delle scosse di assestamento è molto impegnativa.
Gli scienziati hanno formulato leggi empiriche per descrivere l'entità e il tempo delle scosse di assestamento, ma individuare la loro posizione è ancora una sfida. I ricercatori di Google e dell'Università di Harvard hanno ideato un nuovo approccio per valutare i terremoti e prevedere la posizione delle scosse di assestamento utilizzando la tecnologia dell'intelligenza artificiale nel loro studio pubblicato su Nature. 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, che consistono in circa 131,000 coppie scossa principale-shock di assestamento. Queste informazioni sono state combinate con un modello basato sulla fisica che descrive come la Terra sarebbe tesa e tesa dopo un terremoto che scatenerà poi scosse di assestamento. Hanno creato griglie di 5 chilometri quadrati all'interno delle quali il sistema avrebbe verificato la presenza di scosse di assestamento. La rete neurale formerebbe quindi relazioni tra i ceppi causati 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 dati complessi del mondo reale sui terremoti. I ricercatori si installano alternativamente 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 lesioni, danneggiano le proprietà e ostacolano anche gli sforzi di soccorso, quindi prevederle salverebbe la vita dell'umanità. La previsione in tempo reale potrebbe non essere possibile in questo preciso momento poiché gli attuali modelli di intelligenza artificiale possono affrontare 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 una geometria diversa in diverse posizioni geografiche del pianeta. Quindi, 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 n di variabili che devono essere prese in considerazione quando li si studia, ad esempio la forza dell'urto, 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. Nature560 (7720).
https://doi.org/10.1038/s41586-018-0438-y
***
