blogtecaolivelli

Intelligenza Artificiale: Ultime notizie.

Fonte: Internet

05 settembre 2018

L'intelligenza artificiale e le

repliche di grandi terremoti

Le analisi delle reti neurali sono più

accurate rispetto ai metodi che in

genere gli scienziati usano per capire

dove colpiranno questi tremori successivi

a una scossa principale e suggeriscono

cambiamenti fisici che potrebbero essere

avvenuti nel suolo dopo il terremoto

inizialedi Alexandra Witze / Nature

scienze della terracomputer science

Uno studio basato sull'apprendimento

automatico che ha analizzato centinaia di

migliaia di terremoti ha superato il metodo

standard per prevedere la posizione delle

repliche (aftershocks) .

Gli scienziati dicono che il lavoro fornisce

un modo nuovo di analizzare come i cambiamenti

nello stress del suolo, per esempio quelli che

si verificano durante un grande terremoto,

innescano i terremoti che seguono.

Potrebbe inoltre aiutare i ricercatori a sviluppare

nuovi metodi di valutazione del rischio sismico.

Casa crollata in seguito al terremoto a

Christchurch, in Nuova Zelanda, a settembre

2010."Abbiamo appena graffiato la superficie

di quello che l'apprendimento automatico 

potrebbe essere in grado di fare nella previsione

delle repliche", dice Phoebe DeVries, sismologa

alla Harvard University di Cambridge, in Massachusetts.

Lei e i suoi colleghi riferiscono i lororisultati su "Nature".

Le repliche si verificano dopo il terremoto principale

e possono essere altrettanto dannose -

o addirittura più dannose - rispetto alla scossa iniziale.

Nel settembre 2010 un terremoto di magnitudo 7.1

nei pressi di Christchurch, in Nuova Zelanda, non ha

ucciso nessuno: ma una replica di magnitudo 6.3,

verificatasi oltre cinque mesi dopo e più vicina al

centro della città, ha causato 185 morti.

Di solito i sismologi possono prevedere quanto

saranno grandi le repliche, ma faticano a prevedere

dove si verificheranno i terremoti.

Finora, la maggior parte degli scienziati ha usato

una tecnica in cui si calcola come un terremoto

cambia lo stress nelle rocce vicine e poi prevede

quanto è probabile che quel cambiamento si

traduca in una replica in un luogo particolare.

Questo metodo di stress-frattura può spiegare

con successo gli andamenti (pattern) delle scosse

successive per molti grandi terremoti, ma non

sempre funziona.

Ci sono grandi quantità di dati disponibili sui

terremoti del passato, e DeVries e i suoi colleghi

hanno deciso di usarli per elaborare un metodo

di previsione migliore.

"L'apprendimento automatico è uno strumento

molto potente in questo tipo di scenario",

afferma DeVries.

Rete Neurale

Gli scienziati hanno esaminato più di 131.000

scosse principali e repliche, tra cui alcune delle

più potenti della storia recente, come il

devastante evento di magnitudo 9.1 che ha

colpito il Giappone a marzo 2011.

I ricercatori hanno usato questi dati per

addestrare una rete neurale che modellava

una griglia di celle di cinque chilometri di lato,

tutto intorno a ogni scossa principale.

Hanno indicato alla rete che si era verificato

un terremoto, dandogli i dati su come era

cambiato lo stress al centro di ogni cella

della rete. Poi gli scienziati hanno chiesto

di fornire la probabilità che ogni cella della

griglia generasse una o più repliche.

La rete ha trattato ogni cella come un piccolo

problema isolato da risolvere, invece di

calcolare come lo stress si spostava in

sequenza attraverso le rocce.

Quando i ricercatori hanno testato il loro

sistema su 30.000 eventi di scossa principale

-repliche, le previsioni della rete neurale

indicavano le posizioni delle repliche più

accuratamente di quanto non facesse il solito

metodo di stress-frattura.

Cosa forse più importante, dice DeVries,

la rete neurale ha anche suggerito cambiamenti

fisici che potrebbero essere avvenuti nel suolo

dopo la scossa principale. Ha indicato come

potenzialmente importanti alcuni parametri,

quelli che descrivono le variazioni di stress

in materiali come i metalli, ma che i ricercatori

non usano spesso per studiare i terremoti.

Xinhua/Photoshot / AGFI risultati rappresentano

un buon passo verso l'analisi delle repliche con

occhi nuovi, dice Daniel Trugman, sismologo al

Los Alamos National Laboratory, in New Mexico.

"L'algoritmo di apprendimento automatico ci sta

dicendo qualcosa di fondamentale sui processi

complessi che sono alla base dell'innesco del

terremoto", dice.

Lo studio non sarà l'ultima parola sulle previsioni

delle repliche, dice Gregory Beroza, geofisico alla

Stanford University, in California.

Per esempio, non considera un tipo di cambiamento

di stress che avviene quando le onde sismiche

attraversano la Terra. Ma "questo articolo dovrebbe

essere visto come un nuovo approccio all'innesco

delle repliche", dice. "Questo è importante e motivante".

--------------------------
(L'originale di questo articolo è stato

 pubblicato su "Nature" il 29 agosto 2018.

Traduzione ed editing a cura di Le Scienze.

Riproduzione autorizzata, tutti i

diritti riservati.)