fonte: Le Scienze05 settembre 2018L'intelligenza artificiale e le repliche di grandi terremotiLe analisi delle reti neurali sono più accuraterispetto ai metodi che in genere gli scienziatiusano per capire dove colpiranno questi tremorisuccessivi a una scossa principale e suggerisconocambiamenti fisici che potrebbero essere avvenutinel suolo dopo il terremoto inizialedi Alexandra Witze / Naturescienze della terracomputer scienceUno studio basato sull'apprendimento automaticoche ha analizzato centinaia di migliaia di terremotiha superato il metodo standard per prevedere laposizione delle repliche (aftershocks) .Gli scienziati dicono che il lavoro fornisce un modonuovo di analizzare come i cambiamenti nello stressdel suolo, per esempio quelli che si verificanodurante un grande terremoto, innescano i terremotiche seguono.Potrebbe inoltre aiutare i ricercatori a svilupparenuovi 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 quelloche l'apprendimento automatico potrebbe esserein grado di fare nella previsione delle repliche",dice Phoebe DeVries, sismologa alla HarvardUniversity di Cambridge, in Massachusetts.Lei e i suoi colleghi riferiscono i lororisultati su "Nature".Le repliche si verificano dopo il terremoto principalee possono essere altrettanto dannose - oaddirittura più dannose - rispetto alla scossa iniziale.Nel settembre 2010 un terremoto di magnitudo7.1 nei pressi di Christchurch, in Nuova Zelanda,non ha ucciso nessuno: ma una replica di magnitudo6.3, verificatasi oltre cinque mesi dopo e più vicinaal centro 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) dellescosse successive per molti grandi terremoti,ma non sempre 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 il devastanteevento di magnitudo 9.1 che ha colpito il Giapponea marzo 2011. I ricercatori hanno usato questi datiper addestrare una rete neurale che modellava unagriglia di celle di cinque chilometri di lato, tuttointorno a ogni scossa principale.Hanno indicato alla rete che si era verificato un terremoto,dandogli i dati su come era cambiato lo stress alcentro di ogni cella della rete.Poi gli scienziati hanno chiesto di fornire la probabilitàche ogni cella della griglia generasse una o più repliche.La rete ha trattato ogni cella come un piccolo problemaisolato da risolvere, invece di calcolare come lo stresssi spostava in sequenza attraverso le rocce.Quando i ricercatori hanno testato il loro sistema su30.000 eventi di scossa principale-repliche, le previsionidella rete neurale indicavano le posizioni delle replichepiù accuratamente di quanto non facesse il solitometodo di stress-frattura.Cosa forse più importante, dice DeVries, la reteneurale ha anche suggerito cambiamenti fisici chepotrebbero essere avvenuti nel suolo dopo lascossa principale.Ha indicato come potenzialmente importantialcuni parametri, quelli che descrivono levariazioni di stress in materiali come i metalli,ma che i ricercatori non usano spesso perstudiare i terremoti. risultati rappresentano un buon passo versol'analisi delle repliche con occhi nuovi, diceDaniel Trugman, sismologo al Los AlamosNational Laboratory, in New Mexico."L'algoritmo di apprendimento automatico cista dicendo qualcosa di fondamentale suiprocessi complessi che sono alla base dell'innescodel terremoto", 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 cambiamento di stressche avviene quando le onde sismiche attraversanola Terra.Ma "questo articolo dovrebbe essere visto comeun 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.)
Scienze della Terra-Computer science
fonte: Le Scienze05 settembre 2018L'intelligenza artificiale e le repliche di grandi terremotiLe analisi delle reti neurali sono più accuraterispetto ai metodi che in genere gli scienziatiusano per capire dove colpiranno questi tremorisuccessivi a una scossa principale e suggerisconocambiamenti fisici che potrebbero essere avvenutinel suolo dopo il terremoto inizialedi Alexandra Witze / Naturescienze della terracomputer scienceUno studio basato sull'apprendimento automaticoche ha analizzato centinaia di migliaia di terremotiha superato il metodo standard per prevedere laposizione delle repliche (aftershocks) .Gli scienziati dicono che il lavoro fornisce un modonuovo di analizzare come i cambiamenti nello stressdel suolo, per esempio quelli che si verificanodurante un grande terremoto, innescano i terremotiche seguono.Potrebbe inoltre aiutare i ricercatori a svilupparenuovi 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 quelloche l'apprendimento automatico potrebbe esserein grado di fare nella previsione delle repliche",dice Phoebe DeVries, sismologa alla HarvardUniversity di Cambridge, in Massachusetts.Lei e i suoi colleghi riferiscono i lororisultati su "Nature".Le repliche si verificano dopo il terremoto principalee possono essere altrettanto dannose - oaddirittura più dannose - rispetto alla scossa iniziale.Nel settembre 2010 un terremoto di magnitudo7.1 nei pressi di Christchurch, in Nuova Zelanda,non ha ucciso nessuno: ma una replica di magnitudo6.3, verificatasi oltre cinque mesi dopo e più vicinaal centro 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) dellescosse successive per molti grandi terremoti,ma non sempre 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 il devastanteevento di magnitudo 9.1 che ha colpito il Giapponea marzo 2011. I ricercatori hanno usato questi datiper addestrare una rete neurale che modellava unagriglia di celle di cinque chilometri di lato, tuttointorno a ogni scossa principale.Hanno indicato alla rete che si era verificato un terremoto,dandogli i dati su come era cambiato lo stress alcentro di ogni cella della rete.Poi gli scienziati hanno chiesto di fornire la probabilitàche ogni cella della griglia generasse una o più repliche.La rete ha trattato ogni cella come un piccolo problemaisolato da risolvere, invece di calcolare come lo stresssi spostava in sequenza attraverso le rocce.Quando i ricercatori hanno testato il loro sistema su30.000 eventi di scossa principale-repliche, le previsionidella rete neurale indicavano le posizioni delle replichepiù accuratamente di quanto non facesse il solitometodo di stress-frattura.Cosa forse più importante, dice DeVries, la reteneurale ha anche suggerito cambiamenti fisici chepotrebbero essere avvenuti nel suolo dopo lascossa principale.Ha indicato come potenzialmente importantialcuni parametri, quelli che descrivono levariazioni di stress in materiali come i metalli,ma che i ricercatori non usano spesso perstudiare i terremoti. risultati rappresentano un buon passo versol'analisi delle repliche con occhi nuovi, diceDaniel Trugman, sismologo al Los AlamosNational Laboratory, in New Mexico."L'algoritmo di apprendimento automatico cista dicendo qualcosa di fondamentale suiprocessi complessi che sono alla base dell'innescodel terremoto", 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 cambiamento di stressche avviene quando le onde sismiche attraversanola Terra.Ma "questo articolo dovrebbe essere visto comeun 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.)