blogtecaolivelli

Scienze della Terra-Computer science

fonte: Le Scienze

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 loro

risultati 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.

 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.)