El desafío de analizar las señales sísmicas con una precisión óptima crece junto con la cantidad de datos sísmicos disponibles. En el Instituto de Tecnología de Karlsruhe (KIT), Los investigadores han desplegado una red neuronal para determinar el tiempo de llegada de las ondas sísmicas y así localizar con precisión el epicentro del terremoto. En su informe en el Cartas de investigación sismológica diario, señalan que la Inteligencia Artificial es capaz de evaluar los datos con la misma precisión que un sismólogo experimentado.

Para localizar con precisión un evento de terremoto, es fundamental determinar el tiempo exacto de llegada de la mayoría de las ondas sísmicas en la estación del sismómetro (la llamada llegada de fase). Sin este conocimiento No es posible realizar evaluaciones sismológicas más precisas. Tales evaluaciones pueden ser muy útiles para predecir réplicas que a veces causan daños más graves que el terremoto principal inicial. Al localizar con precisión el epicentro, incluso los procesos físicos que ocurren en las profundidades de la Tierra se pueden distinguir mejor, y esto, Sucesivamente, permite inferencias sobre la estructura del interior de la Tierra. "Nuestros resultados muestran que la inteligencia artificial puede mejorar significativamente el análisis de terremotos, no solo con el apoyo de grandes volúmenes de datos, pero también si solo se dispone de un conjunto de datos limitado, "explica el profesor Andreas Rietbrock del Instituto Geofísico (GPI) de KIT.

La evaluación de los sismogramas registrados, que se llama selección de fase, ayuda a determinar los tiempos de llegada de las fases individuales. Tradicionalmente, este es un procedimiento manual. La precisión en el picking de fase manual puede verse afectada por la subjetividad del sismólogo a cargo. Más destacado, sin embargo, Mientras tanto, una evaluación manual requiere tiempo y recursos de personal inaceptables, debido a la creciente cantidad de datos sísmicos y la mayor densidad de las redes de sismómetros. La evaluación automatizada se ha vuelto necesaria para aprovechar todos los datos disponibles rápidamente. En efecto, Los algoritmos de selección de fase desarrollados hasta ahora no pueden ofrecer la precisión lograda con la selección manual por un sismólogo experimentado, debido a la extrema complejidad de la formación y propagación de terremotos. con muchos procesos físicos que actúan sobre el campo de ondas sísmicas.

Inteligencia artificial (IA), sin embargo, es capaz de igualar la precisión humana al evaluar estos datos. Esto ahora ha sido revelado por científicos del GPI, la Universidad de Liverpool, y la Universidad de Granada. Según su informe en el Cartas de investigación sismológica diario, los investigadores utilizaron una red neuronal convolucional (CNN) para determinar los inicios de fase en una red sísmica en Chile. Las CNN se inspiran en los sistemas neuronales biológicos y se organizan en diferentes niveles de neuronas artificiales interconectadas. En el llamado Deep Learning, que es uno de los métodos de aprendizaje automático, las características detectadas y aprendidas se pasan de un nivel al siguiente, siendo refinado cada vez más en este proceso.

Durante un terremoto, diferentes tipos de ondas sísmicas se propagan a través de la Tierra. Los tipos principales se denominan ondas de compresión o primarias (ondas P) y ondas de corte o secundarias (ondas S). Primero, las ondas P más rápidas llegan a la estación sismológica, seguido de las ondas S más lentas. Las ondas sísmicas se pueden registrar en sismogramas. Los investigadores capacitaron a la CNN utilizando un conjunto de datos relativamente pequeño que cubre 411 eventos de terremotos en el norte de Chile. Luego, la CNN determinó el tiempo de llegada de las fases P y S desconocidas, al mismo tiempo que iguala la precisión de un sismólogo experimentado con la recolección manual o incluso ofrece una precisión mayor que la de un algoritmo de recolección clásico.