Un nuevo enfoque de inteligencia artificial podría ayudar a predecir la ubicación de las réplicas después de un terremoto
An terremoto es un fenómeno causado cuando la roca subterránea en la corteza terrestre se rompe repentinamente alrededor de una falla geológica. Esto provoca una rápida liberación de energía que produce ondas sísmicas que luego hacen temblar el suelo y esta es la sensación que sentimos durante un terremoto. El lugar donde la roca se rompe se llama foco del terremoto y el lugar sobre el suelo se llama "epicentro". La energía liberada se mide como magnitud, una escala para describir qué tan energético fue un terremoto. Un terremoto de magnitud 2 es apenas perceptible y solo se puede registrar mediante el uso de equipo especializado sensible, mientras que los terremotos de magnitud superior a 8 pueden hacer que el suelo tiemble notablemente con mucha fuerza. Un terremoto es seguido generalmente por muchas réplicas que ocurren por un mecanismo similar y que son igualmente devastadores y muchas veces su intensidad y severidad es similar al terremoto original. Tales temblores posteriores al terremoto ocurren generalmente dentro de la primera hora o un día después del terremoto principal. Pronosticar la distribución espacial de las réplicas es un gran desafío.
Los científicos han formulado leyes empíricas para describir el tamaño y el tiempo de las réplicas, pero determinar su ubicación sigue siendo un desafío. Investigadores de Google y la Universidad de Harvard han ideado un nuevo enfoque para evaluar terremotos y pronosticar la ubicación de réplicas utilizando tecnología de inteligencia artificial en su estudio publicado en Naturaleza. Usaron específicamente el aprendizaje automático, un aspecto de la inteligencia artificial. En el enfoque de aprendizaje automático, una máquina 'aprende' a partir de un conjunto de datos y, después de adquirir este conocimiento, puede usar esta información para hacer predicciones sobre datos más nuevos.
Los investigadores analizaron primero una base de datos de terremotos globales utilizando algoritmos de aprendizaje profundo. El aprendizaje profundo es un tipo avanzado de aprendizaje automático en el que las redes neuronales intentan imitar el proceso de pensamiento del cerebro humano. A continuación, apuntaron a poder pronóstico réplicas mejor que adivinar al azar y tratar de resolver el problema de "dónde" se producirán las réplicas. Se utilizaron las observaciones recopiladas de más de 199 terremotos importantes en todo el mundo, que constan de alrededor de 131,000 pares de temblores principales y réplicas. Esta información se combinó con un modelo basado en la física que describe cómo la Tierra se tensaría y tensaría después de un terremoto que luego provocaría réplicas. Crearon cuadrículas de 5 kilómetros cuadrados dentro de las cuales el sistema buscaría una réplica. La red neuronal formaría relaciones entre las tensiones causadas por el terremoto principal y la ubicación de las réplicas. Una vez que el sistema de red neuronal estuvo bien entrenado de esta manera, pudo predecir la ubicación de las réplicas con precisión. El estudio fue extremadamente desafiante ya que utilizó datos complejos de terremotos del mundo real. Los investigadores configuran alternativamente artificial y una especie de terremotos "ideales" para crear pronósticos y luego examinar los pronósticos. Al observar la salida de la red neuronal, intentaron analizar qué diferentes 'cantidades' es probable que controlen el pronóstico de las réplicas. Después de hacer comparaciones espaciales, los investigadores llegaron a la conclusión de que un patrón típico de réplica era físicamente "interpretable". El equipo sugiere que una cantidad llamada segunda variante de tensión de esfuerzo desviador, simplemente llamada J2, es la clave. Esta cantidad es altamente interpretable y se usa de manera rutinaria en metalurgia y otros campos, pero nunca antes se había usado para estudiar terremotos.
Las réplicas de los terremotos causan más lesiones, dañan las propiedades y también obstaculizan los esfuerzos de rescate, por lo que predecirlas salvaría la vida de la humanidad. Es posible que el pronóstico en tiempo real no sea posible en este mismo momento, ya que los modelos de IA actuales solo pueden hacer frente a un tipo particular de réplica y una falla geológica simple. Esto es importante porque las fallas geológicas tienen una geometría diferente en diversas ubicaciones geográficas del planeta. Por lo tanto, es posible que actualmente no sea aplicable a diferentes tipos de terremotos en todo el mundo. Sin embargo, la tecnología de inteligencia artificial parece adecuada para terremotos debido a una serie de variables que deben considerarse al estudiarlos, por ejemplo, la fuerza del choque, la posición de las placas tectónicas, etc.
Las redes neuronales están diseñadas para mejorar con el tiempo, es decir, a medida que se introducen más datos en un sistema, se produce más aprendizaje y el sistema mejora constantemente. En el futuro, dicho sistema podría ser parte integral de los sistemas de predicción utilizados por los sismólogos. Los planificadores también podrían implementar medidas de emergencia basadas en el conocimiento del comportamiento de los terremotos. El equipo quiere utilizar tecnología de inteligencia artificial para predecir la magnitud de los terremotos.
***
{Puede leer el trabajo de investigación original haciendo clic en el enlace DOI que figura a continuación en la lista de fuentes citadas}
Fuentes)
DeVries PMR y col. 2018. Aprendizaje profundo de los patrones de réplicas posteriores a grandes terremotos. Naturaleza560 (7720).
https://doi.org/10.1038/s41586-018-0438-y
***
