Un nuevo enfoque de inteligencia artificial podría ayudar a predecir la ubicación de las réplicas después de un terremoto
Un terremoto es un fenómeno que se produce cuando la roca subterránea de la corteza terrestre se rompe repentinamente alrededor de una falla geológica. Esto provoca una rápida liberación de energía que produce ondas sísmicas, las cuales hacen temblar el suelo; esta es la sensación que experimentamos durante un terremoto. El punto donde se rompe la roca se llama foco del terremoto , y el punto situado sobre él en la superficie se llama epicentro. La energía liberada se mide mediante la magnitud, una escala que describe la intensidad del terremoto. Un terremoto de magnitud 2 es apenas perceptible y solo puede registrarse con equipos especializados de alta sensibilidad, mientras que los terremotos de magnitud superior a 8 pueden provocar un fuerte temblor. Un terremoto suele ir seguido de numerosas réplicas, que se producen por un mecanismo similar y son igualmente devastadoras; muchas veces, su intensidad y severidad son similares a las del terremoto original. Estos temblores posteriores al terremoto suelen producirse durante la primera hora o un día después del sismo principal . Predecir la distribución espacial de las réplicas es un gran desafío.
Los científicos han formulado leyes empíricas para describir la magnitud y el momento de las réplicas, pero determinar su ubicación exacta sigue siendo un desafío. Investigadores de Google y la Universidad de Harvard han ideado un nuevo enfoque para evaluar terremotos y predecir la ubicación de las réplicas utilizando tecnología de inteligencia artificial en su estudio publicado en Nature . Específicamente, utilizaron el aprendizaje automático, un aspecto de la inteligencia artificial. En el aprendizaje automático, una máquina "aprende" de un conjunto de datos y, tras adquirir este conocimiento, puede utilizar esta información para hacer predicciones sobre datos más recientes.
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, se propusieron predecir las réplicas con mayor precisión que mediante conjeturas aleatorias y resolver el problema de la ubicación de las réplicas. Se utilizaron observaciones recopiladas de más de 199 grandes terremotos en todo el mundo, que comprendían alrededor de 131,000 pares de sismo principal-réplica. Esta información se combinó con un modelo físico que describe cómo se tensa y deforma la Tierra tras un terremoto , lo que desencadena las réplicas. Crearon cuadrículas de 5 kilómetros cuadrados dentro de las cuales el sistema detectaba las réplicas. La red neuronal establecía entonces relaciones entre las deformaciones 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 complejo, ya que utilizó datos reales y complejos de terremotos. Los investigadores simularon terremotos artificiales y otros considerados "ideales" para generar pronósticos y luego analizaron las predicciones. Al observar la salida de la red neuronal, intentaron determinar qué "magnitudes" influyen en la predicción de las réplicas. Tras realizar comparaciones espaciales, concluyeron que un patrón típico de réplicas era físicamente interpretable. El equipo sugiere que la clave reside en una magnitud denominada segunda variante de la tensión desviadora (J2). Esta magnitud es altamente interpretable y se utiliza habitualmente en metalurgia y otros campos, pero nunca antes se había empleado para el estudio de terremotos.
Las réplicas de los terremotos causan más lesiones, daños materiales y dificultan las labores de rescate; por lo tanto, predecirlas sería vital para la humanidad. En este momento, la predicción en tiempo real no es posible, ya que los modelos de IA actuales solo pueden analizar un tipo específico de réplica y fallas geológicas simples. Esto es importante porque las fallas geológicas presentan geometrías diferentes en diversas ubicaciones geográficas del planeta . Por consiguiente, es posible que no sean aplicables a los distintos tipos de terremotos en todo el mundo. Sin embargo, la tecnología de inteligencia artificial parece adecuada para el estudio de los terremotos debido a la gran cantidad de variables que deben considerarse, como la magnitud del sismo y la posición de las placas tectónicas.
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.
***
Fuentes)
DeVries PMR et al. 2018. Aprendizaje profundo de patrones de réplicas tras grandes terremotos. Nature 560(7720). DOI: https://doi.org/10.1038/s41586-018-0438-y
***
