Con una creciente riqueza de datos sísmicos y potencia informática a su disposición, Los sismólogos recurren cada vez más a una disciplina llamada aprendizaje automático para comprender y predecir mejor los patrones complicados de la actividad sísmica.

En una sección de enfoque publicada en la revista Cartas de investigación sismológica , los investigadores describen cómo están utilizando los métodos de aprendizaje automático para perfeccionar las predicciones de la actividad sísmica, identificar los centros de terremotos, caracterizar diferentes tipos de ondas sísmicas y distinguir la actividad sísmica de otros tipos de "ruido" del suelo.

El aprendizaje automático se refiere a un conjunto de algoritmos y modelos que permiten a las computadoras identificar y extraer patrones de información de grandes conjuntos de datos. Los métodos de aprendizaje automático a menudo descubren estos patrones a partir de los propios datos, sin referencia al mundo real, Mecanismos físicos representados por los datos. Los métodos se han utilizado con éxito en problemas como la imagen digital y el reconocimiento de voz, entre otras aplicaciones.

Más sismólogos están usando los métodos, impulsado por "el tamaño cada vez mayor de los conjuntos de datos sísmicos, mejoras en la potencia computacional, nuevos algoritmos y arquitectura y la disponibilidad de marcos de aprendizaje automático de código abierto fáciles de usar, "escriben los editores de la sección de enfoque Karianne Bergen de la Universidad de Harvard, Ting Cheng del Laboratorio Nacional de Los Alamos, y Zefeng Li de Caltech.

Varios investigadores están utilizando una clase de métodos de aprendizaje automático llamados redes neuronales profundas, que puede aprender las complejas relaciones entre cantidades masivas de datos de entrada y su salida prevista. Por ejemplo, Farid Khosravikia y colegas de la Universidad de Texas, Austin muestra cómo se puede utilizar un tipo de red neuronal profunda para desarrollar modelos de movimiento del suelo para terremotos naturales e inducidos en Oklahoma, Kansas y Texas. La naturaleza inusual del creciente número de terremotos causados ​​por la eliminación de aguas residuales de petróleo en la región hace que sea esencial predecir el movimiento del suelo para futuros terremotos y posiblemente mitigar su impacto.

Las técnicas de aprendizaje automático podrían usarse cada vez más en un futuro cercano para preservar registros analógicos de terremotos pasados. A medida que los medios en los que se graban estos datos se degradan gradualmente, Los sismólogos están en una carrera contra el tiempo para proteger estos valiosos registros. Los métodos de aprendizaje automático que pueden identificar y categorizar imágenes se pueden utilizar para capturar estos datos de una manera rentable. según Kaiwen Wang de la Universidad de Stanford y sus colegas, que probó las posibilidades en una película de sismógrafo analógico del experimento de control de terremotos Rangely del Servicio Geológico de EE. UU.

Los métodos de aprendizaje automático también están implementados en aplicaciones como MyShake, recopilar y analizar datos de la red sísmica mundial de teléfonos inteligentes de colaboración colectiva, según Qingkai Kong de la Universidad de California, Berkeley y colegas.

Otros investigadores están utilizando algoritmos de aprendizaje automático para examinar los datos sísmicos para identificar mejor las réplicas de los terremotos. actividad sísmica volcánica y para monitorear el temblor tectónico que marca la deformación en los límites de las placas donde podrían ocurrir mega terremotos. Algunos estudios utilizan técnicas de aprendizaje automático para localizar el origen de los terremotos y para distinguir los pequeños terremotos de otros "ruidos" sísmicos en el medio ambiente.