La ceniza volcánica bajo el microscopio comprende miles de partículas diminutas con formas complejas. Crédito:Shizuka Otsuki
Los científicos dirigidos por Daigo Shoji del Earth-Life Science Institute (Instituto de Tecnología de Tokio) han demostrado que se puede entrenar un tipo de inteligencia artificial llamada red neuronal convolucional para categorizar las formas de las partículas de ceniza volcánica. Debido a que las formas de las partículas volcánicas están relacionadas con el tipo de erupción volcánica, esta categorización puede proporcionar información sobre erupciones y ayudar a los esfuerzos de mitigación de peligros volcánicos.
Las erupciones volcánicas se presentan en muchas formas, de las explosivas erupciones del Eyjafjallajökull de Islandia en 2010, que interrumpió los viajes aéreos europeos durante una semana, a los relativamente tranquilos flujos de lava de mayo de 2018 de las islas hawaianas. Igualmente, estas erupciones tienen diferentes amenazas asociadas, de nubes de ceniza a lava. Algunas veces, el mecanismo de erupción (p. ej., interacción agua y magma) no es obvia, y debe ser evaluado cuidadosamente por vulcanólogos para determinar futuras amenazas y respuestas. Los vulcanólogos observan de cerca las cenizas producidas por las erupciones (p. Ej., Figura 1), ya que las diferentes erupciones producen partículas de ceniza de diferentes formas. Pero, ¿cómo se pueden mirar miles de pequeñas muestras objetivamente para producir una imagen coherente de la erupción? La clasificación a ojo es el método habitual, pero es lento subjetivo, y limitado por la disponibilidad de vulcanólogos experimentados. Los programas de computadora convencionales clasifican rápidamente las partículas por parámetros objetivos, como circularidad, pero la selección de parámetros sigue siendo la tarea porque las formas simples categorizadas por un solo parámetro rara vez se encuentran en la naturaleza.
Ingrese a la red neuronal convolucional (CNN), una inteligencia artificial diseñada para analizar imágenes. A diferencia de otros programas informáticos, CNN aprende orgánicamente como un ser humano, pero miles de veces más rápido. El programa también se puede compartir, eliminando la necesidad de docenas de geólogos capacitados en el campo. Para este experimento, el programa se alimentó con imágenes de cientos de partículas con una de cuatro formas basales, que son creados por diferentes mecanismos de erupción (se muestran ejemplos en la Fig. 2). Las partículas de ceniza forman bloques cuando las rocas se fragmentan por erupciones, vesicular cuando la lava burbujea, alargado cuando las partículas se funden y aplastan, y redondeado de la tensión superficial de los fluidos, como gotas de agua. El experimento enseñó con éxito al programa a clasificar las formas basales con una tasa de éxito del 92 por ciento, y asigne proporciones de probabilidad a cada partícula incluso para la forma incierta (Fig. 3). Esto puede permitir una capa adicional de complejidad a los datos en el futuro, proporcionar a los científicos mejores herramientas para determinar el tipo de erupción, como si una erupción fue freatomagmática (como la segunda fase de la erupción de Eyjafjallajökull en 2010) o magmática (como las erupciones de flanco del monte Etna).
Cuatro categorías idealizadas para simplificar la clasificación. Crédito:Daigo Shoji
El estudio del Dr. Shoji ha demostrado que las CNN pueden capacitarse para encontrar útiles, información compleja sobre partículas diminutas con gran valor geológico. Para aumentar el alcance de la CNN, técnicas de aumento más avanzadas, como microscopía electrónica, puede agregar color y textura a los resultados. De la colaboración con biólogos, informáticos y geólogos, el equipo de investigación espera utilizar la CNN de nuevas formas. El mundo microcósmico siempre ha sido complejo, pero gracias a algunos científicos que estudian los volcanes, las respuestas pueden ser más fáciles de encontrar.
Resultados de la red neuronal intrincada. A las partículas de ceniza se les ha asignado un índice de probabilidad para cada una de las cuatro formas basales:Blocky (B), Vesicular (V), Alargado (E), y redondeado (R). Crédito:Daigo Shoji