Un grupo de investigadores del Reino Unido y los EE. UU. Ha utilizado técnicas de aprendizaje automático para predecir terremotos con éxito. Aunque su trabajo se realizó en un entorno de laboratorio, el experimento imita de cerca las condiciones de la vida real, y los resultados podrían usarse para predecir el momento de un terremoto real.

El equipo, de la Universidad de Cambridge, Laboratorio Nacional de Los Alamos y Universidad de Boston, identificó una señal oculta que condujo a terremotos, y usó esta 'huella digital' para entrenar un algoritmo de aprendizaje automático para predecir futuros terremotos. Sus resultados, que también podría aplicarse a avalanchas, deslizamientos de tierra y más, se informan en la revista Geophysical Review Letters.

Para los geocientíficos, predecir el momento y la magnitud de un terremoto es un objetivo fundamental. Generalmente hablando, señalar dónde ocurrirá un terremoto es bastante sencillo:si un terremoto ha golpeado un lugar en particular antes, lo más probable es que vuelva a golpear allí. Las preguntas que han desafiado a los científicos durante décadas son cómo determinar cuándo ocurrirá un terremoto, y cuán severo será. Durante los últimos 15 años, Se han realizado avances en la precisión de los instrumentos, pero aún no se ha desarrollado una técnica confiable de predicción de terremotos.

Como parte de un proyecto que busca formas de utilizar técnicas de aprendizaje automático para hacer que los LED de nitruro de galio (GaN) sean más eficientes, el primer autor del estudio, Bertrand Rouet-Leduc, que entonces era estudiante de doctorado en Cambridge, se trasladó al Laboratorio Nacional de Los Alamos en Nuevo México para iniciar una colaboración sobre aprendizaje automático en ciencia de materiales entre la Universidad de Cambridge y Los Alamos. A partir de ahí, el equipo comenzó a ayudar al grupo de Geofísica de Los Alamos en preguntas de aprendizaje automático.

El equipo de Los Alamos, dirigido por Paul Johnson, estudia las interacciones entre terremotos, terremotos precursores (a menudo movimientos de tierra muy pequeños) y fallas, con la esperanza de desarrollar un método para predecir terremotos. Usando un sistema de laboratorio que imita terremotos reales, Los investigadores utilizaron técnicas de aprendizaje automático para analizar las señales acústicas provenientes de la 'falla' a medida que se movía y buscar patrones.

El aparato de laboratorio utiliza bloques de acero para imitar de cerca las fuerzas físicas que actúan en un terremoto real. y también registra las señales sísmicas y los sonidos que se emiten. Luego, el aprendizaje automático se utiliza para encontrar la relación entre la señal acústica que proviene de la falla y qué tan cerca está de fallar.

El algoritmo de aprendizaje automático pudo identificar un patrón particular en el sonido, antes se pensaba que no era más que ruido, que ocurre mucho antes de un terremoto. Las características de este patrón de sonido se pueden utilizar para dar una estimación precisa (dentro de un pequeño porcentaje) de la tensión en la falla (es decir, cuánta fuerza está bajo) y para estimar el tiempo restante antes de fallar, que se vuelve cada vez más precisa a medida que se acerca la falla. El equipo ahora piensa que este patrón de sonido es una medida directa de la energía elástica que hay en el sistema en un momento dado.

"Esta es la primera vez que se utiliza el aprendizaje automático para analizar datos acústicos y predecir cuándo ocurrirá un terremoto, mucho antes de que lo haga, para que se pueda dar suficiente tiempo de advertencia:es increíble lo que puede hacer el aprendizaje automático, "dijo el coautor, el profesor Sir Colin Humphreys del Departamento de Ciencia de Materiales y Metalurgia de Cambridge, cuya principal área de investigación son los LED energéticamente eficientes y rentables. Humphreys fue el supervisor de Rouet-Leduc cuando era estudiante de doctorado en Cambridge.

"El aprendizaje automático permite el análisis de conjuntos de datos demasiado grandes para manejarlos manualmente y analiza los datos de una manera imparcial que permite realizar descubrimientos, "dijo Rouet-Leduc.

Aunque los investigadores advierten que existen múltiples diferencias entre un experimento de laboratorio y un terremoto real, esperan escalar progresivamente su enfoque aplicándolo a los sistemas reales que más se asemejan a su sistema de laboratorio. Uno de esos sitios está en California a lo largo de la falla de San Andrés, donde los pequeños terremotos repetidos característicos son similares a los del simulador de terremotos basado en laboratorio. También se está avanzando en la falla de Cascadia en el noroeste del Pacífico de los Estados Unidos y Columbia Británica, Canadá, donde los terremotos lentos repetidos que ocurren durante semanas o meses también son muy similares a los terremotos de laboratorio.

"Estamos en un punto en el que los grandes avances en instrumentación, aprendizaje automático, computadoras más rápidas y nuestra capacidad para manejar conjuntos de datos masivos podrían generar grandes avances en la ciencia de los terremotos, "dijo Rouet-Leduc.