Un gruppo di ricercatori del Regno Unito e degli Stati Uniti ha utilizzato tecniche di apprendimento automatico per prevedere con successo i terremoti. Sebbene il loro lavoro fosse svolto in un ambiente di laboratorio, l'esperimento imita da vicino le condizioni della vita reale, ei risultati potrebbero essere utilizzati per prevedere i tempi di un vero terremoto.

Il gruppo, dell'Università di Cambridge, Laboratorio Nazionale di Los Alamos e Università di Boston, identificato un segnale nascosto che porta a terremoti, e ha utilizzato questa "impronta digitale" per addestrare un algoritmo di apprendimento automatico per prevedere i futuri terremoti. I loro risultati, che potrebbe essere applicato anche alle valanghe, frane e altro, sono riportati nella rivista Geophysical Review Letters.

Per i geologi, prevedere il momento e la magnitudo di un terremoto è un obiettivo fondamentale. Parlando in generale, individuare dove si verificherà un terremoto è abbastanza semplice:se un terremoto ha già colpito un luogo particolare, le probabilità sono che colpirà di nuovo lì. Le domande che hanno sfidato gli scienziati per decenni sono come individuare quando si verificherà un terremoto, e quanto sarà grave. Negli ultimi 15 anni, sono stati compiuti progressi nella precisione dello strumento, ma non è stata ancora sviluppata una tecnica affidabile di previsione dei terremoti.

Nell'ambito di un progetto alla ricerca di modi per utilizzare le tecniche di apprendimento automatico per rendere più efficienti i LED al nitruro di gallio (GaN), il primo autore dello studio, Bertrand Rouet-Leduc, che allora era uno studente di dottorato a Cambridge, si è trasferito al Los Alamos National Laboratory nel New Mexico per avviare una collaborazione sull'apprendimento automatico nella scienza dei materiali tra l'Università di Cambridge e Los Alamos. Da lì il team ha iniziato ad aiutare il gruppo di geofisica di Los Alamos su questioni di apprendimento automatico.

La squadra di Los Alamos, guidato da Paul Johnson, studia le interazioni tra terremoti, terremoti precursori (spesso movimenti di terra molto piccoli) e faglie, con la speranza di sviluppare un metodo per prevedere i terremoti. Utilizzando un sistema basato su laboratorio che imita i terremoti reali, i ricercatori hanno utilizzato tecniche di apprendimento automatico per analizzare i segnali acustici provenienti dal "difetto" mentre si muoveva e cercare schemi.

L'apparato di laboratorio utilizza blocchi di acciaio per imitare da vicino le forze fisiche al lavoro in un vero terremoto, e registra anche i segnali sismici e i suoni che vengono emessi. L'apprendimento automatico viene quindi utilizzato per trovare la relazione tra il segnale acustico proveniente dal guasto e quanto è vicino al guasto.

L'algoritmo di apprendimento automatico è stato in grado di identificare un particolare pattern nel suono, precedentemente pensato per essere nient'altro che rumore, che si verifica molto prima di un terremoto. Le caratteristiche di questo pattern sonoro possono essere utilizzate per dare una stima precisa (entro qualche punto percentuale) della sollecitazione sulla faglia (cioè, quanta forza è sotto) e per stimare il tempo rimanente prima del fallimento, che diventa sempre più preciso man mano che il fallimento si avvicina. Il team ora pensa che questo modello sonoro sia una misura diretta dell'energia elastica presente nel sistema in un dato momento.

"Questa è la prima volta che l'apprendimento automatico è stato utilizzato per analizzare i dati acustici per prevedere quando si verificherà un terremoto, molto prima che lo faccia, in modo che possa essere dato un sacco di tempo di avvertimento:è incredibile quello che può fare l'apprendimento automatico, ", ha affermato il co-autore, il professor Sir Colin Humphreys del Dipartimento di scienza e metallurgia dei materiali di Cambridge, la cui principale area di ricerca sono i LED ad alta efficienza energetica ed economici. Humphreys era il supervisore di Rouet-Leduc quando era studente di dottorato a Cambridge.

"Il machine learning consente l'analisi di set di dati troppo grandi per essere gestiti manualmente e guarda i dati in modo imparziale che consente di fare scoperte, ", ha detto Rouet-Leduc.

Sebbene i ricercatori avvertano che ci sono molteplici differenze tra un esperimento di laboratorio e un vero terremoto, sperano di ampliare progressivamente il loro approccio applicandolo a sistemi reali che assomigliano di più al loro sistema di laboratorio. Uno di questi siti è in California lungo la faglia di San Andreas, dove i caratteristici piccoli terremoti che si ripetono sono simili a quelli del simulatore di terremoti in laboratorio. Si stanno facendo progressi anche sulla faglia di Cascadia nel Pacifico nord-occidentale degli Stati Uniti e nella Columbia Britannica, Canada, dove i terremoti lenti ripetuti che si verificano per settimane o mesi sono anche molto simili ai terremoti di laboratorio.

"Siamo a un punto in cui enormi progressi nella strumentazione, apprendimento automatico, computer più veloci e la nostra capacità di gestire enormi set di dati potrebbero portare enormi progressi nella scienza dei terremoti, ", ha detto Rouet-Leduc.