Fonte: Internet05 settembre 2018L'intelligenza artificiale e lerepliche di grandi terremoti
Le analisi delle reti neurali sono piùaccurate rispetto ai metodi che ingenere gli scienziati usano per capiredove colpiranno questi tremori successivia una scossa principale e suggerisconocambiamenti fisici che potrebbero essereavvenuti nel suolo dopo il terremotoinizialedi Alexandra Witze / Nature
scienze della terracomputer scienceUno studio basato sull'apprendimentoautomatico che ha analizzato centinaia dimigliaia di terremoti ha superato il metodostandard per prevedere la posizione dellerepliche (aftershocks) .Gli scienziati dicono che il lavoro fornisceun modo nuovo di analizzare come i cambiamentinello stress del suolo, per esempio quelli chesi verificano durante un grande terremoto,innescano i terremoti che seguono.Potrebbe inoltre aiutare i ricercatori a svilupparenuovi metodi di valutazione del rischio sismico.
Casa crollata in seguito al terremoto aChristchurch, in Nuova Zelanda, a settembre2010."Abbiamo appena graffiato la superficiedi quello che l'apprendimento automatico potrebbe essere in grado di fare nella previsionedelle repliche", dice Phoebe DeVries, sismologaalla Harvard University di Cambridge, in Massachusetts.Lei e i suoi colleghi riferiscono i loro
risultati su "Nature".Le repliche si verificano dopo il terremoto principalee possono essere altrettanto dannose -o addirittura più dannose - rispetto alla scossa iniziale.Nel settembre 2010 un terremoto di magnitudo 7.1nei pressi di Christchurch, in Nuova Zelanda, non haucciso nessuno: ma una replica di magnitudo 6.3,verificatasi oltre cinque mesi dopo e più vicina alcentro della città, ha causato 185 morti.Di solito i sismologi possono prevedere quantosaranno grandi le repliche, ma faticano a prevederedove si verificheranno i terremoti.Finora, la maggior parte degli scienziati ha usatouna tecnica in cui si calcola come un terremotocambia lo stress nelle rocce vicine e poi prevedequanto è probabile che quel cambiamento sitraduca in una replica in un luogo particolare.Questo metodo di stress-frattura può spiegarecon successo gli andamenti (pattern) delle scossesuccessive per molti grandi terremoti, ma nonsempre funziona.Ci sono grandi quantità di dati disponibili suiterremoti del passato, e DeVries e i suoi colleghihanno deciso di usarli per elaborare un metododi previsione migliore."L'apprendimento automatico è uno strumentomolto potente in questo tipo di scenario",afferma DeVries.Rete NeuraleGli scienziati hanno esaminato più di 131.000scosse principali e repliche, tra cui alcune dellepiù potenti della storia recente, come ildevastante evento di magnitudo 9.1 che hacolpito il Giappone a marzo 2011.I ricercatori hanno usato questi dati peraddestrare una rete neurale che modellavauna griglia di celle di cinque chilometri di lato,tutto intorno a ogni scossa principale.Hanno indicato alla rete che si era verificatoun terremoto, dandogli i dati su come eracambiato lo stress al centro di ogni celladella rete. Poi gli scienziati hanno chiestodi fornire la probabilità che ogni cella dellagriglia generasse una o più repliche.La rete ha trattato ogni cella come un piccoloproblema isolato da risolvere, invece dicalcolare come lo stress si spostava insequenza attraverso le rocce.Quando i ricercatori hanno testato il lorosistema su 30.000 eventi di scossa principale-repliche, le previsioni della rete neuraleindicavano le posizioni delle repliche piùaccuratamente di quanto non facesse il solitometodo di stress-frattura.Cosa forse più importante, dice DeVries,la rete neurale ha anche suggerito cambiamentifisici che potrebbero essere avvenuti nel suolodopo la scossa principale. Ha indicato comepotenzialmente importanti alcuni parametri,quelli che descrivono le variazioni di stressin materiali come i metalli, ma che i ricercatorinon usano spesso per studiare i terremoti.
Xinhua/Photoshot / AGFI risultati rappresentanoun buon passo verso l'analisi delle repliche conocchi nuovi, dice Daniel Trugman, sismologo alLos Alamos National Laboratory, in New Mexico."L'algoritmo di apprendimento automatico ci stadicendo qualcosa di fondamentale sui processicomplessi che sono alla base dell'innesco delterremoto", dice.Lo studio non sarà l'ultima parola sulle previsionidelle repliche, dice Gregory Beroza, geofisico allaStanford University, in California.Per esempio, non considera un tipo di cambiamentodi stress che avviene quando le onde sismicheattraversano la Terra. Ma "questo articolo dovrebbeessere visto come un nuovo approccio all'innescodelle 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.)