Investigadores de la Universidad Metropolitana de Tokio han aplicado técnicas de aprendizaje automático para lograr resultados rápidos estimaciones precisas de campos geomagnéticos locales utilizando datos tomados en múltiples puntos de observación, potencialmente permitiendo la detección de cambios causados ​​por terremotos y tsunamis. Se desarrolló y entrenó un modelo de red neuronal profunda (DNN) utilizando datos existentes; el resultado es un rápido, método eficiente para estimar campos magnéticos para la detección temprana sin precedentes de desastres naturales. Esto es vital para desarrollar sistemas de alerta eficaces que puedan ayudar a reducir las víctimas y los daños generalizados.

La devastación causada por terremotos y tsunamis deja pocas dudas de que un medio eficaz para predecir su incidencia es de suma importancia. Ciertamente, ya existen sistemas para advertir a las personas justo antes de la llegada de las ondas sísmicas; todavía, A menudo ocurre que la onda S (u onda secundaria), es decir, la última parte del terremoto, ya ha llegado cuando se da la advertencia. Un más rápido, Se necesitan con urgencia medios más precisos para que los residentes locales tengan tiempo para buscar seguridad y minimizar las víctimas.

Se sabe que los terremotos y tsunamis van acompañados de cambios localizados en el campo geomagnético. Para terremotos, es principalmente lo que se conoce como efecto piezo-magnético, donde la liberación de una cantidad masiva de tensión acumulada a lo largo de una falla provoca cambios locales en el campo geomagnético. Para tsunamis, es lo repentino gran movimiento del mar que provoca variaciones en la presión atmosférica. Esto a su vez afecta a la ionosfera, posteriormente cambiando el campo geomagnético. Ambos pueden ser detectados por una red de puntos de observación en varios lugares. El principal beneficio de este enfoque es la velocidad; recordando que las ondas electromagnéticas viajan a la velocidad de la luz, podemos detectar instantáneamente la incidencia de un evento observando cambios en el campo geomagnético.

Sin embargo, ¿Cómo podemos saber si el campo detectado es anómalo o no? El campo geomagnético en varios lugares es una señal fluctuante; todo el método se basa en saber cuál es el campo "normal" en una ubicación.

Por lo tanto, Yuta Katori y Assoc. El profesor Kan Okubo de la Universidad Metropolitana de Tokio se propuso desarrollar un método para tomar medidas en múltiples ubicaciones alrededor de Japón y crear una estimación del campo geomagnético en diferentes, puntos de observación específicos. Específicamente, aplicaron un algoritmo de aprendizaje automático de última generación conocido como red neuronal profunda (DNN), basado en cómo las neuronas están conectadas dentro del cerebro humano. Al alimentar el algoritmo con una gran cantidad de datos extraídos de mediciones históricas, Permiten que el algoritmo cree y optimice un extremadamente complejo, conjunto de operaciones de varias capas que mapea de manera más efectiva los datos con lo que realmente se midió. Utilizando medio millón de puntos de datos tomados en 2015, pudieron crear una red que puede estimar el campo magnético en el punto de observación con una precisión sin precedentes.

Dado el costo computacional relativamente bajo de los DNN, el sistema puede emparejarse potencialmente con una red de detectores de alta sensibilidad para lograr una detección de terremotos y tsunamis a la velocidad del rayo, proporcionando un sistema de alerta eficaz que puede minimizar los daños y salvar vidas.