All'inizio di settembre 2018, un potente terremoto sull'isola di Hokkaido nel nord del Giappone ha provocato frane, edifici abbattuti, tagliare la corrente, industria ferma, uccise più di 40 persone e ne ferì centinaia. L'agenzia meteorologica nazionale ha avvertito che potrebbero verificarsi scosse di assestamento fino a una settimana dopo l'evento principale.

"Un grande terremoto avrà in genere migliaia di scosse di assestamento, " disse Gregory Beroza, il professore di geofisica Wayne Loel nella Scuola della Terra, Scienze energetiche e ambientali (Stanford Earth) presso la Stanford University. "Sappiamo che un grande terremoto cambia qualcosa nella crosta terrestre che provoca queste scosse di assestamento".

La rarità dei grandi terremoti, però, rende difficile documentare e modellare statisticamente come i grandi terremoti interagiscono tra loro nello spazio e nel tempo. Le scosse di assestamento potrebbero offrire una soluzione alternativa. "Le scosse di assestamento avvengono con lo stesso meccanismo, sulle stesse faglie geologiche e nelle stesse condizioni di altri terremoti, " Beroza ha spiegato in un recente articolo sulla rivista Natura . Di conseguenza, interazioni tra il più grande terremoto in una sequenza, noto come shock principale, e le sue scosse di assestamento possono contenere indizi sulle interazioni dei terremoti in modo più ampio, aiutando a spiegare come i cambiamenti su una faglia indotti da un terremoto possono influenzare il potenziale sito di un altro.

Qui, Beroza discute come gli scienziati prevedono le scosse di assestamento e perché si stanno rivolgendo all'intelligenza artificiale per costruire modelli migliori per il futuro.

Quali sono gli attuali metodi per prevedere le scosse previsionali e dove falliscono?

GREGORY BEROZA:Quando un grande terremoto scivola, che cambia le forze in tutta la crosta terrestre nelle vicinanze. Si pensa che questo cambiamento di stress sia il più responsabile dell'innesco di scosse di assestamento. Lo stress è ciò che spinge i terremoti.

Gli scienziati hanno notato una tendenza al verificarsi di scosse di assestamento in cui due tipi di stress agiscono su un cambiamento di guasto. Il primo tipo è chiamato stress normale, che è la forza con cui due lati di una faglia si spingono insieme o si allontanano. Il secondo tipo è chiamato sforzo di taglio, o con quanta forza le due parti vengono spinte l'una contro l'altra, parallelamente alla colpa, da forze remote. Si prevede che la diminuzione della sollecitazione normale e l'aumento della sollecitazione di taglio incoraggino i successivi terremoti. Le misure di questi cambiamenti nel volume della roccia attorno a una faglia sono combinate in un'unica metrica chiamata variazione dello stress da rottura di Coulomb.

Ma non è una regola dura e veloce. Alcuni terremoti si verificano dove in un certo senso non dovrebbero, da quella metrica. Ci sono componenti dello stress che sono diversi dallo stress di taglio e dallo stress normale. C'è stress in altre direzioni, e combinazioni complesse. Quindi facciamo bene a prevedere dove andranno le scosse di assestamento, e non lo farò, verificarsi dopo una scossa principale, ma non come vorremmo.

Che cos'è una rete neurale artificiale e come possono gli scienziati utilizzare questo tipo di intelligenza artificiale per prevedere terremoti e scosse di assestamento?

BEROZA:Immagina una macchina che prende input da sinistra. Spostandoti a destra hai una serie di livelli, ciascuno contenente un gruppo di neuroni collegati. E dall'altra parte hai un risultato di qualche tipo.

Un neurone può eccitarne un altro. Quando aggiungi molti di questi livelli con molte interazioni diverse, ottieni molto rapidamente una serie estremamente ampia di possibili relazioni. Quando si parla di reti neurali "profonde", ciò significa che hanno molti strati.

In questo caso, il tuo input è un'informazione sullo stress su un guasto. L'output sono informazioni sulle posizioni delle scosse di assestamento. Gli scienziati possono prendere esempi di terremoti osservati e utilizzare tali dati per addestrare i neuroni a interagire in modi che producono un risultato osservato nel mondo reale. È un processo chiamato apprendimento automatico. Dato questo insieme di input, qual è la risposta giusta? Cosa ci ha detto la Terra per questo terremoto?

Uno sforzo pionieristico per utilizzare l'intelligenza artificiale in questo contesto pubblicato in Natura nell'agosto 2018. Gli autori hanno fornito a un algoritmo di apprendimento automatico stime dei cambiamenti di stress e informazioni su dove si sono verificate o non si sono verificate le scosse di assestamento per un intero gruppo di terremoti. Non stanno facendo la previsione dei terremoti nel solito senso, dove cerchi di prevedere l'ora, luogo e magnitudo del terremoto. Stanno solo cercando dove si verificano le scosse di assestamento. Il modello non cattura la vera complessità della Terra, ma si sta muovendo nella giusta direzione.

In che modo gli approcci dell'intelligenza artificiale potrebbero essere applicati alla sismologia in modo più ampio?

BEROZA:Nelle scienze della Terra in generale, abbiamo sistemi geologici complicati che interagiscono fortemente in modi che non comprendiamo. L'apprendimento automatico e l'intelligenza artificiale possono aiutarci a esplorare e forse scoprire la natura di alcune di queste complicate relazioni. Può aiutarci a esplorare e trovare relazioni a cui gli scienziati non avevano pensato o testato.

Abbiamo anche set di dati molto grandi. La più grande rete sismica con cui ho lavorato ha qualcosa come 5, 000 sensori in esso. sono 5, 000 sensori, 100 campioni al secondo, e funziona ininterrottamente per mesi. Ci sono così tanti dati che è difficile persino guardarli.

La tendenza è che questi set di dati siano sempre più grandi. Nel giro di pochi anni, lavoreremo con set di dati superiori a 10, 000 sensori. Come ti assicuri di ottenere quante più informazioni possibili da questi enormi set di dati?

Il nostro modo abituale di fare affari non aumenterà prima o poi. Tecniche come il data mining e l'apprendimento automatico per aiutarci a estrarre quante più informazioni possibile da questi set di dati molto grandi saranno una parte essenziale della comprensione del nostro pianeta in futuro.