L'algoritmo di apprendimento automatico prevede i terremoti in laboratorio

I terremoti hanno un terribile tributo umano. Circa 10.000 persone muoiono ogni anno a causa dei terremoti e delle loro conseguenze, ma il bilancio può essere molto più alto. Oltre 230.000 persone sono morte nello tsunami seguito al terremoto di magnitudo 9 al largo delle coste di Sumatra nel 2004; più di 200.000 sono morti ad Haiti nel 2010 dopo che il Paese è stato colpito da un terremoto di magnitudo 7; e si pensa che più di 800.000 siano morti in un terremoto in Cina nel 1556.

Quindi un modo migliore, qualsiasi modo, per prevedere i terremoti sarebbe estremamente prezioso.

Entra Bertrand Rouet-Leduc al Los Alamos National Laboratory nel New Mexico e alcuni amici che hanno fatto una scoperta straordinaria. Hanno addestrato un algoritmo di apprendimento automatico per individuare i segnali rivelatori che un terremoto in laboratorio sta per cedere, utilizzando solo i suoni che emette sotto sforzo. Il team è cauto sull'utilità della nuova tecnica per i terremoti reali, ma il lavoro apre nuove strade di ricerca in quest'area.

Prima un po' di background. I geologi sono stati a lungo in grado di calcolare il rischio approssimativo di un terremoto. Il loro approccio consiste nell'elaborare quando la colpa si è spostata nel passato e utilizzare qualsiasi periodicità per prevedere il futuro.

L'esempio più famoso riguarda il segmento di Parkfield della faglia di San Andreas in California, una delle faglie più studiate del pianeta. I terremoti si sono verificati qui nel 1857, 1881, 1901, 1922, 1934 e 1966, suggerendo uno schema in cui i terremoti si verificano ogni 22 anni, che durano o richiedono alcuni anni. I geologi avevano quindi previsto che si sarebbe verificato un terremoto tra il 1988 e il 1993, ma hanno dovuto aspettare fino al 2004 per il loro temblor.

E questo è buono quanto le previsioni dei terremoti: nella maggior parte degli altri luoghi, le barre di errore sono ordini di grandezza più grandi.

Tali previsioni sono utili per far rispettare cose come gli standard di costruzione in regioni note per essere soggette a terremoti. Ma sono di scarsa utilità per prevenire i decessi quando si verificano i terremoti. Per questo sono necessarie previsioni su intervalli di tempo misurati in giorni. Ci sono poche prove che questo tipo di previsione sarà mai possibile, anche se ci sono molte prove aneddotiche che suggeriscono che gli animali possono in qualche modo percepire l'imminente inizio di un terremoto.

Il lavoro di Rouet-Leduc e co potrebbe cambiarlo. Hanno creato terremoti artificiali nel loro laboratorio tirando su un blocco inserito tra due altri. All'interfaccia tra i blocchi, hanno confezionato una miscela di materiale roccioso, chiamato materiale gouge, per simulare le proprietà di faglie reali.

Questo tipo di sistema di terremoto artificiale è stato ben studiato. I geologi sanno che quando si avvicina un terremoto, il materiale di sgorbia inizia a cedere, emettendo gemiti e crepe mentre si taglia, una specie di vibrazione sismica. Il blocco quindi scivola quasi periodicamente.

Questo sistema ha alcune somiglianze con i terremoti reali. Ad esempio, la distribuzione dimensionale degli slip è la stessa della distribuzione dimensionale dei terremoti reali. Genera molti piccoli slittamenti e solo pochi grandi, una distribuzione che segue la ben nota relazione Gutenberg-Richter, proprio come fanno i veri terremoti. Quindi i geologi sono fiduciosi che questo sistema imiti almeno alcuni dei comportamenti visti nel mondo reale.

La domanda che questi ragazzi si pongono è se il suono emesso dalla faglia può essere utilizzato per prevedere il tempo della prossima scivolata. Fino ad ora, nessuno ha individuato uno schema in questi suoni che può essere utilizzato per fare una tale previsione. Ma Rouet-Leduc e compagni hanno adottato un nuovo approccio.

Hanno registrato le emissioni acustiche dell'esperimento e le hanno inserite in un algoritmo di apprendimento automatico. L'idea era di vedere se la macchina fosse in grado di decifrare qualche schema che i geologi avevano finora mancato. E infatti lo ha fatto.

I risultati sono una sorta di sorpresa. I ricercatori hanno alimentato l'algoritmo con una finestra scorrevole di emissioni acustiche, chiedendogli di fare una previsione in ogni istante della probabilità di un terremoto. Con loro stupore, la macchina ha fornito previsioni accurate anche quando un terremoto non era imminente. Dimostriamo che ascoltando il segnale acustico emesso da un errore di laboratorio, l'apprendimento automatico può prevedere il tempo rimanente prima che fallisca con grande precisione, dicono.

Il puzzle è come la macchina può farlo. Rouet-Leduc e compagni ipotizzano che i precursori sismici possano essere molto più piccoli di quanto si pensasse in precedenza e quindi di solito non sono registrati nel mondo reale. La macchina sembra aver individuato un segnale completamente nuovo che i geologi avevano precedentemente liquidato come rumore nei terremoti del laboratorio. La nostra analisi di apprendimento automatico fornisce nuove informazioni sulla fisica dello slittamento, dicono.

È un lavoro affascinante che ha implicazioni significative. La prima e più ovvia domanda che solleva è se la stessa tecnica possa prevedere con precisione i terremoti reali.

Rouet-Leduc e compagni sono cauti al riguardo. Sottolineano che l'esperimento di laboratorio è diverso in vari modi importanti dai terremoti reali. Gli sforzi di taglio sono ordini di grandezza maggiori rispetto ai terremoti reali e anche le temperature delle rocce coinvolte sono diverse.

Ma ci sono altri modi in cui i terremoti del laboratorio sono simili a quelli sulla Terra. Quindi il prossimo obiettivo del team è applicare lo stesso tipo di analisi ai terremoti reali che più somigliano a quelli di laboratorio. Uno di questi è Parkfield, che subisce molti terremoti ripetuti in periodi relativamente brevi. I ripetitori di queste patch di guasto potrebbero emettere vibrazioni in analogia con il laboratorio, suggeriscono.

Il grande test, ovviamente, sarà quello di prevedere effettivamente un terremoto con precisione. Questo è un compito difficile che richiederà un'attenta osservazione per molti anni.

Nel frattempo, la stessa tecnica potrebbe essere applicata alla previsione di guasti simili a terremoti in altri materiali, come le turbine degli aerei e le centrali elettriche.

Comunque venga applicata la nuova tecnica, Rouet-Leduc e compagni hanno collocato il gatto tra i piccioni nel mondo della geologia. Come concludono: Il terreno è stato preparato per progressi potenzialmente marcati nella scienza dei terremoti.

Rif: arxiv.org/abs/1702.05774 : L'apprendimento automatico prevede terremoti in laboratorio

nascondere