A principios de septiembre de 2018, un poderoso terremoto en la isla de Hokkaido en el norte de Japón provocó deslizamientos de tierra, edificios derribados, cortar el poder, industria detenida, mató a más de 40 personas e hirió a cientos. La agencia meteorológica nacional advirtió que las réplicas podrían ocurrir hasta una semana después del evento principal.

"Un gran terremoto suele tener miles de réplicas, "dijo Gregory Beroza, el profesor Wayne Loel de geofísica en la Escuela de la Tierra, Energía y Ciencias Ambientales (Stanford Earth) en la Universidad de Stanford. "Sabemos que un gran terremoto cambia algo en la corteza terrestre que causa estas réplicas".

La rareza de los grandes terremotos sin embargo, hace que sea difícil documentar y modelar estadísticamente cómo los grandes terremotos interactúan entre sí en el espacio y el tiempo. Las réplicas podrían ofrecer una solución. "Las réplicas ocurren por el mismo mecanismo, en las mismas fallas geológicas y en las mismas condiciones que otros terremotos, Beroza explicó en un artículo reciente de la revista Naturaleza . Como resultado, interacciones entre el terremoto más grande en una secuencia, conocido como un choque principal, y sus réplicas pueden contener pistas sobre las interacciones de los terremotos de manera más amplia, ayudar a explicar cómo los cambios en una falla inducida por un terremoto pueden afectar el sitio potencial de otro.

Aquí, Beroza analiza cómo los científicos pronostican las réplicas y por qué están recurriendo a la inteligencia artificial para construir mejores modelos para el futuro.

¿Cuáles son los métodos actuales para predecir los premonitorios y dónde se quedan cortos?

GREGORY BEROZA:Cuando ocurre un gran terremoto, que cambia las fuerzas a lo largo de la corteza terrestre cercana. Se cree que este cambio de estrés es el principal responsable de desencadenar réplicas. El estrés es lo que impulsa los terremotos.

Los científicos han notado una tendencia a que se produzcan réplicas cuando dos tipos de estrés actúan sobre un cambio de falla. El primer tipo se llama estrés normal, que es la fuerza con la que dos lados de una falla se empujan o se separan. El segundo tipo se llama esfuerzo cortante, o con qué fuerza se empujan los dos lados uno al otro, paralelo a la falla, por fuerzas remotas. Se espera que las disminuciones en el esfuerzo normal y los aumentos en el esfuerzo cortante estimulen los terremotos subsiguientes. Las medidas de estos cambios en el volumen de roca alrededor de una falla se combinan en una sola métrica llamada cambio de tensión de falla de Coulomb.

Pero no es una regla estricta. Algunos terremotos ocurren donde en cierto sentido no deberían, por esa métrica. Hay componentes de la tensión que son diferentes de la tensión cortante y la tensión normal. Hay estrés en otras direcciones y combinaciones complejas. Así que hacemos bien en predecir dónde vendrán las réplicas, y no lo haré, ocurrir después de un choque principal, pero no tan bien como nos gustaría.

¿Qué es una red neuronal artificial y cómo pueden los científicos utilizar este tipo de inteligencia artificial para predecir terremotos y réplicas?

BEROZA:Imagínese una máquina que recibe entradas de la izquierda. Moviéndose a la derecha tiene una serie de capas, cada uno contiene un montón de neuronas conectadas. Y en el otro extremo tienes un resultado de algún tipo.

Una neurona puede excitar a otra. Cuando agrega muchas de estas capas con muchas interacciones diferentes, muy rápidamente se obtiene un conjunto extremadamente amplio de posibles relaciones. Cuando la gente habla de redes neuronales "profundas", eso significa que tienen muchas capas.

En este caso, su entrada es información sobre el estrés en una falla. El resultado es información sobre la ubicación de las réplicas. Los científicos pueden tomar ejemplos de terremotos observados y usar esos datos para entrenar a las neuronas para que interactúen de manera que produzcan un resultado que se observó en el mundo real. Es un proceso llamado aprendizaje automático. Dado este conjunto de entradas, cual es la respuesta correcta? ¿Qué nos dijo la Tierra sobre este terremoto?

Un esfuerzo pionero para utilizar la inteligencia artificial en este contexto publicado en Naturaleza en agosto de 2018. Los autores alimentaron un algoritmo de aprendizaje automático con estimaciones de los cambios de estrés e información sobre dónde ocurrieron o no las réplicas de una gran cantidad de terremotos. No están haciendo predicciones de terremotos en el sentido habitual, donde intentas predecir la hora, lugar y magnitud del terremoto. Solo están buscando dónde ocurren las réplicas. El modelo no captura la verdadera complejidad de la Tierra, pero se está moviendo en la dirección correcta.

¿Cómo se podrían aplicar los enfoques de inteligencia artificial a la sismología de manera más amplia?

BEROZA:En las ciencias de la Tierra en general, tenemos sistemas geológicos complicados que interactúan fuertemente de formas que no entendemos. El aprendizaje automático y la inteligencia artificial pueden ayudarnos a explorar y tal vez descubrir la naturaleza de algunas de esas relaciones complicadas. Puede ayudarnos a explorar y encontrar relaciones en las que los científicos no habían pensado ni probado.

También tenemos conjuntos de datos muy grandes. La red sísmica más grande con la que he trabajado tiene algo así como 5, 000 sensores en él. Eso es 5, 000 sensores, 100 muestras por segundo, y funciona continuamente durante meses. Hay tantos datos que es difícil siquiera mirarlos.

La tendencia es que estos conjuntos de datos sean cada vez mayores. En algunos años, vamos a trabajar con conjuntos de datos de más de 10, 000 sensores. ¿Cómo se asegura de obtener la mayor cantidad de información posible de esos conjuntos de datos masivos?

Nuestra forma habitual de hacer negocios no se ampliará en algún momento. Técnicas como la minería de datos y el aprendizaje automático para ayudarnos a extraer la mayor cantidad de información posible de estos grandes conjuntos de datos serán una parte esencial para comprender nuestro planeta en el futuro.