La sfida di analizzare i segnali dei terremoti con la massima precisione cresce insieme alla quantità di dati sismici disponibili. Al Karlsruhe Institute of Technology (KIT), i ricercatori hanno implementato una rete neurale per determinare l'orario di arrivo delle onde sismiche e quindi individuare con precisione l'epicentro del terremoto. Nella loro relazione in Lettere di ricerca sismologica rivista, sottolineano che l'Intelligenza Artificiale è in grado di valutare i dati con la stessa precisione di un sismologo esperto.

Per localizzare con precisione un evento sismico, è fondamentale determinare l'ora esatta di arrivo della maggior parte delle onde sismiche alla stazione sismometrica (il cosiddetto arrivo di fase). Senza questa conoscenza, ulteriori valutazioni sismologiche accurate non sono possibili. Tali valutazioni possono essere molto utili nel prevedere scosse di assestamento che a volte causano danni più gravi del terremoto principale iniziale. Individuando con precisione l'epicentro, anche i processi fisici che avvengono nelle profondità della Terra possono essere meglio distinti, e questo, a sua volta, permette inferenze sulla struttura dell'interno della Terra. "I nostri risultati mostrano che l'intelligenza artificiale può migliorare significativamente l'analisi dei terremoti, non solo con il supporto di grandi volumi di dati, ma anche se è disponibile solo un set di dati limitato, " spiega il professor Andreas Rietbrock del Geophysical Institute (GPI) al KIT.

La valutazione dei sismogrammi registrati, che si chiama selezione di fase, aiuta a determinare i tempi di arrivo delle singole fasi. Tradizionalmente, questa è una procedura manuale. La precisione nella raccolta manuale delle fasi può essere influenzata dalla soggettività del sismologo responsabile. Soprattutto, però, una valutazione manuale nel frattempo richiede tempo e risorse di personale inaccettabili, a causa della crescente quantità di dati sismici e della maggiore densità delle reti sismometriche. La valutazione automatizzata è diventata necessaria per sfruttare rapidamente tutti i dati disponibili. Infatti, gli algoritmi di selezione delle fasi sviluppati finora non sono in grado di fornire la precisione ottenuta con il prelievo manuale da un sismologo esperto, a causa dell'estrema complessità della formazione e propagazione dei terremoti, con molti processi fisici che agiscono sul campo delle onde sismiche.

Intelligenza Artificiale (AI), però, è in grado di eguagliare la precisione umana durante la valutazione di questi dati. Questo è stato ora rivelato dagli scienziati del GPI, l'Università di Liverpool, e l'Università di Granada. Secondo il loro rapporto nel Lettere di ricerca sismologica rivista, i ricercatori hanno utilizzato una rete neurale convoluzionale (CNN) per determinare gli inizi di fase in una rete sismica in Cile. Le CNN si ispirano ai sistemi neurali biologici e sono disposte in diversi livelli di neuroni artificiali interconnessi. Nel cosiddetto Deep Learning, che è uno dei metodi di Machine Learning, le caratteristiche rilevate e apprese sono passate da un livello all'altro, affinandosi sempre di più in questo processo.

Durante un terremoto, diversi tipi di onde sismiche si propagano attraverso la Terra. I tipi principali sono chiamati onde di compressione o primarie (onde P) e onde di taglio o secondarie (onde S). Primo, le onde P più veloci arrivano alla stazione sismologica, seguito dalle onde S più lente. Le onde sismiche possono essere registrate nei sismogrammi. I ricercatori hanno addestrato la CNN utilizzando un set di dati relativamente piccolo che copre 411 eventi sismici nel nord del Cile. Quindi, la CNN ha determinato il tempo di arrivo delle fasi P e S sconosciute, abbinando la precisione di un sismologo esperto al prelievo manuale o addirittura offrendo una precisione maggiore rispetto a un algoritmo di prelievo classico.