Un gráfico extraído por un algoritmo novedoso de la Universidad de Rice muestra formas de onda del grupo asociadas con precursores y alineadas con respecto a una forma de onda de referencia dentro del grupo. Los datos proceden de tres sismogramas recopilados durante el día anterior al deslizamiento de tierra de Nuugaatsiaq. Crédito:Nature Communications
Los investigadores de la Escuela de Ingeniería Brown de la Universidad de Rice están utilizando datos recopilados antes de un deslizamiento de tierra mortal en 2017 en Groenlandia para mostrar cómo el aprendizaje profundo puede algún día ayudar a predecir eventos sísmicos como terremotos y erupciones volcánicas.
Los datos sísmicos recopilados antes del deslizamiento de tierra masivo en un fiordo de Groenlandia muestran que las señales sutiles del evento inminente estaban allí. pero ningún analista humano podría haber reunido las pistas a tiempo para hacer una predicción. El tsunami resultante que devastó la aldea de Nuugaatsiaq mató a cuatro personas e hirió a nueve y arrojó 11 edificios al mar.
Un estudio dirigido por el ex académico visitante de Rice, Léonard Seydoux, ahora profesor asistente en la Universidad de Grenoble-Alpes, emplea técnicas desarrolladas por los ingenieros y coautores de Rice Maarten de Hoop y Richard Baraniuk. Su informe de acceso abierto en Comunicaciones de la naturaleza muestra cómo los métodos de aprendizaje profundo pueden procesar la abrumadora cantidad de datos proporcionados por las herramientas sísmicas lo suficientemente rápido como para predecir eventos.
De Hoop, que se especializa en análisis matemático de problemas inversos y aprendizaje profundo en conexión con el Departamento de Tierra de Rice, Ciencias Ambientales y Planetarias, dichos avances en inteligencia artificial (IA) son adecuados para monitorear de forma independiente grandes y crecientes cantidades de datos sísmicos. La IA tiene la capacidad de identificar grupos de eventos y detectar ruido de fondo para establecer conexiones que los expertos humanos podrían no reconocer debido a sesgos en sus modelos. por no hablar del gran volumen, él dijo.
Horas antes del evento Nuugaatsiaq, esas pequeñas señales comenzaron a aparecer en los datos recopilados por una estación sísmica cercana. Los investigadores analizaron datos de la medianoche del 17 de junio, 2017, hasta un minuto antes del tobogán a las 11:39 p.m. que liberó hasta 51 millones de metros cúbicos de material.
El algoritmo de Rice reveló ruidos débiles pero repetitivos, indetectables en los registros sísmicos sin procesar, que comenzaron unas nueve horas antes del evento y se aceleraron con el tiempo. conduciendo al deslizamiento de tierra.
"Hubo un artículo precursor de este escrito por nuestro coautor, Piero Poli en Grenoble, que estudió el evento sin IA, ", dijo de Hoop." Descubrieron algo en los datos que pensaron que deberíamos mirar, y debido a que el área está aislada de muchos otros ruidos y actividad tectónica, fueron los datos más puros con los que pudimos trabajar para probar nuestras ideas ".
Una descripción general del Servicio Geológico de EE. UU. Muestra la ubicación del deslizamiento de tierra Nuugaatsiaq (estrella amarilla) en relación con cinco estaciones sísmicas de banda ancha (triángulos rosas) dentro de los 500 km del deslizamiento de tierra. Nuugaatsiaq (NUUG) se vio afectada por el tsunami resultante y alcanzó una altura de 300 pies en el mar. aunque era mucho más bajo antes de llegar al pueblo. El recuadro muestra la geometría de los fiordos en relación con el deslizamiento de tierra y Nuugaatsiaq. Crédito:USGS
De Hoop continúa probando el algoritmo para analizar la actividad volcánica en Costa Rica y también está involucrado con el módulo de aterrizaje InSight de la NASA. que envió un detector sísmico a la superficie de Marte hace casi dos años.
El monitoreo constante que emite tales advertencias en tiempo real salvará vidas, dijo de Hoop.
"La gente me pregunta si este estudio es significativo, y sí, es un gran paso adelante, y luego si podemos predecir terremotos. No estamos preparados para hacer eso, pero esta dirección es, Creo, uno de los más prometedores en este momento ".
Cuando de Hoop se unió a Rice hace cinco años, aportó su experiencia en la resolución de problemas inversos que implican trabajar hacia atrás a partir de datos para encontrar una causa. Baraniuk es un experto líder en aprendizaje automático y detección por compresión, que ayudan a extraer datos útiles de muestras escasas. Juntos, son un equipo formidable.
"Lo más emocionante de este trabajo no es el resultado actual, pero el hecho de que el enfoque representa una nueva dirección de investigación para el aprendizaje automático aplicado a la geofísica, "Dijo Baraniuk.
"Vengo de las matemáticas del aprendizaje profundo y Rich proviene del procesamiento de señales, que se encuentran en extremos opuestos de la disciplina, "dijo de Hoop." Pero aquí nos encontramos en el medio. Y ahora tenemos una gran oportunidad para que Rice aproveche su experiencia como centro para que los sismólogos recopilen y junten estas piezas. Hay tantos datos ahora que se está volviendo imposible de manejar de otra manera ".
De Hoop está ayudando a hacer crecer la reputación de Rice por su experiencia en sísmica con Simons Foundation Math + X Symposia, que ya han presentado eventos sobre exploración espacial y mitigación de peligros naturales como volcanes y terremotos. Un tercer evento, fechas por anunciar, estudiará aplicaciones de aprendizaje profundo para gigantes solares y exoplanetas.
