I ricercatori della Tokyo Metropolitan University hanno applicato tecniche di apprendimento automatico per ottenere risultati rapidi, stime accurate dei campi geomagnetici locali utilizzando dati rilevati in più punti di osservazione, potenzialmente consentendo il rilevamento dei cambiamenti causati da terremoti e tsunami. È stato sviluppato e addestrato un modello di rete neurale profonda (DNN) utilizzando i dati esistenti; il risultato è un veloce, metodo efficiente per stimare i campi magnetici per una diagnosi precoce senza precedenti di disastri naturali. Ciò è fondamentale per lo sviluppo di sistemi di allarme efficaci che potrebbero aiutare a ridurre le vittime e i danni diffusi.

Le devastazioni causate da terremoti e tsunami lasciano pochi dubbi sul fatto che un mezzo efficace per prevederne l'incidenza sia di fondamentale importanza. Certamente, esistono già sistemi per allertare le persone poco prima dell'arrivo delle onde sismiche; ancora, spesso accade che l'onda S (o onda secondaria), questo è, la parte successiva del terremoto, è già arrivato quando viene dato l'avviso. Un più veloce, sono assolutamente necessari mezzi più accurati per dare ai residenti locali il tempo di cercare sicurezza e ridurre al minimo le vittime.

È noto che terremoti e tsunami sono accompagnati da cambiamenti localizzati nel campo geomagnetico. Per i terremoti, è principalmente ciò che è noto come effetto piezomagnetico, dove il rilascio di una massiccia quantità di stress accumulato lungo una faglia provoca cambiamenti locali nel campo geomagnetico. Per gli tsunami, è l'improvviso, vasto movimento del mare che provoca variazioni della pressione atmosferica. Questo a sua volta influenza la ionosfera, modificando successivamente il campo geomagnetico. Entrambi possono essere rilevati da una rete di punti di osservazione in varie località. Il vantaggio principale di un tale approccio è la velocità; ricordando che le onde elettromagnetiche viaggiano alla velocità della luce, possiamo rilevare istantaneamente l'incidenza di un evento osservando i cambiamenti nel campo geomagnetico.

Però, come si fa a sapere se il campo rilevato è anomalo o meno? Il campo geomagnetico in varie località è un segnale fluttuante; l'intero metodo si basa sulla conoscenza del campo "normale" in una posizione.

Così, Yuta Katori e Assoc. Il prof. Kan Okubo della Tokyo Metropolitan University ha deciso di sviluppare un metodo per effettuare misurazioni in più località del Giappone e creare una stima del campo geomagnetico in diversi, punti di osservazione specifici. Nello specifico, hanno applicato un algoritmo di apprendimento automatico all'avanguardia noto come Deep Neural Network (DNN), modellato su come i neuroni sono collegati all'interno del cervello umano. Alimentando l'algoritmo una grande quantità di input presi dalle misurazioni storiche, lasciano che l'algoritmo crei e ottimizzi un insieme estremamente complesso, insieme di operazioni a più livelli che mappano in modo più efficace i dati su ciò che è stato effettivamente misurato. Utilizzando mezzo milione di punti dati acquisiti nel 2015, sono stati in grado di creare una rete in grado di stimare il campo magnetico nel punto di osservazione con una precisione senza precedenti.

Dato il costo computazionale relativamente basso dei DNN, il sistema può essere potenzialmente abbinato a una rete di rilevatori ad alta sensibilità per ottenere il rilevamento fulmineo di terremoti e tsunami, offrendo un sistema di allarme efficace in grado di ridurre al minimo i danni e salvare vite umane.