blogtecaolivelli
blog informazione e cultura della biblioteca Olivelli
TAG
TAG
« Violato il più diffuso s... | Ultime notizie meteo » |
Intelligenza Artificiale: Ultime notizie.
Post n°2025 pubblicato il 12 Marzo 2019 da blogtecaolivelli
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) . 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". 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. 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. 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. 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. 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. 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. 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". pubblicato su "Nature" il 29 agosto 2018. Traduzione ed editing a cura di Le Scienze. Riproduzione autorizzata, tutti i diritti riservati.) |
AREA PERSONALE
MENU
CHI PUņ SCRIVERE SUL BLOG
I messaggi e i commenti sono moderati dall'autore del blog, verranno verificati e pubblicati a sua discrezione.