I ricercatori della Brown School of Engineering della Rice University stanno utilizzando i dati raccolti prima di una mortale frana del 2017 in Groenlandia per mostrare come il deep learning possa un giorno aiutare a prevedere eventi sismici come terremoti ed eruzioni vulcaniche.

I dati sismici raccolti prima della massiccia frana in un fiordo della Groenlandia mostrano che i sottili segnali dell'evento imminente erano lì, ma nessun analista umano avrebbe potuto mettere insieme gli indizi in tempo per fare una previsione. Il conseguente tsunami che ha devastato il villaggio di Nuugaatsiaq ha ucciso quattro persone e ne ha ferite nove e ha gettato in mare 11 edifici.

Uno studio condotto dall'ex visiting scholar della Rice Léonard Seydoux, ora professore assistente presso l'Università di Grenoble-Alpes, impiega tecniche sviluppate dagli ingegneri e co-autori della Rice Maarten de Hoop e Richard Baraniuk. Il loro rapporto ad accesso aperto in Comunicazioni sulla natura mostra come i metodi di deep learning possano elaborare l'enorme quantità di dati forniti dagli strumenti sismici abbastanza velocemente da prevedere gli eventi.

De Hoop, specializzato in analisi matematica di problemi inversi e apprendimento profondo in connessione con il Dipartimento della Terra della Rice, Scienze Ambientali e Planetarie, detti progressi nell'intelligenza artificiale (AI) sono adatti per monitorare in modo indipendente grandi e crescenti quantità di dati sismici. L'intelligenza artificiale ha la capacità di identificare gruppi di eventi e rilevare il rumore di fondo per creare connessioni che gli esperti umani potrebbero non riconoscere a causa di errori nei loro modelli, per non parlare del volume, Egli ha detto.

Ore prima dell'evento Nuugaatsiaq, quei piccoli segnali cominciarono ad apparire nei dati raccolti da una vicina stazione sismica. I ricercatori hanno analizzato i dati dalla mezzanotte del 17 giugno, 2017, fino a un minuto prima della diapositiva alle 23:39. che ha rilasciato fino a 51 milioni di metri cubi di materiale.

L'algoritmo Rice ha rivelato rumori deboli ma ripetitivi, non rilevabili nelle registrazioni sismiche grezze, iniziati circa nove ore prima dell'evento e accelerati nel tempo, che porta alla frana.

"C'era un documento precursore di questo del nostro coautore, Piero Poli a Grenoble, che ha studiato l'evento senza AI, " ha detto de Hoop. "Hanno scoperto qualcosa nei dati che pensavano dovremmo esaminare, e poiché l'area è isolata da molti altri rumori e attività tettonica, erano i dati più puri con cui potevamo lavorare per provare le nostre idee."

De Hoop sta continuando a testare l'algoritmo per analizzare l'attività vulcanica in Costa Rica ed è anche coinvolto con il lander InSight della NASA, che ha portato un rivelatore sismico sulla superficie di Marte quasi due anni fa.

Il monitoraggio costante che fornisce tali avvisi in tempo reale salverà vite umane, ha detto de Hoop.

"La gente mi chiede se questo studio è significativo e sì, è un grande passo avanti, e poi se possiamo prevedere i terremoti. Non siamo ancora pronti per farlo, ma questa direzione è, Penso, uno dei più promettenti in questo momento".

Quando de Hoop si è unito alla Rice cinque anni fa, ha portato esperienza nella risoluzione di problemi inversi che implicano il lavoro a ritroso dai dati per trovare una causa. Baraniuk è uno dei maggiori esperti di machine learning e rilevamento della compressione, che aiutano a estrarre dati utili da campioni sparsi. Insieme, sono una squadra formidabile.

"La cosa più eccitante di questo lavoro non è il risultato attuale, ma il fatto che l'approccio rappresenti una nuova direzione di ricerca per l'apprendimento automatico applicato alla geofisica, " disse Baraniuk.

"Io vengo dalla matematica del deep learning e Rich viene dall'elaborazione del segnale, che sono agli estremi opposti della disciplina, " ha detto de Hoop. "Ma qui ci incontriamo nel mezzo. E ora abbiamo un'enorme opportunità per la Rice di sfruttare la sua esperienza come hub per i sismologi per raccogliere e mettere insieme questi pezzi. Ci sono così tanti dati ora che sta diventando impossibile gestirli in altro modo".

De Hoop sta aiutando a far crescere la reputazione di Rice per quanto riguarda l'esperienza sismica con i Simposi di Simons Foundation Math+X, che hanno già caratterizzato eventi sull'esplorazione dello spazio e sulla mitigazione dei rischi naturali come vulcani e terremoti. Un terzo evento, date da definire, studierà applicazioni di deep learning per giganti solari ed esopianeti.