La interpretació acurada de petits sismes ignorats pot permetre de preveure'n els grans.

Gràcies a una nova eina d'intel·ligència artificial, moviments sísmics mínims amb senyals massa dèbils per als mètodes convencionals d'interpretació sísmica poden ajudar a desxifrar la física darrere els grans sismes i destriar-ne els possibles senyals d'avís abans no es desfermin. El nou algoritme ha estat desenvolupat per Stanford Earth.


== Earthquake Transformer, una nova eina d'intel·ligència artificial ==

[[Image:Draft_Echave-Sustaeta_940641605-image1.jpeg|204px]]

''' '''

Investigadors de la School of Earth, Energy and Environmental Sciences de la Universitat de Stanford (Stanford Earth) amb el suport del Stanford Center for Induced and Triggered Seismicity ([https://scits.stanford.edu/ SCITS], de la mateixa Universitat) van enllestir cap a final de l'any 2020 l'elaboració d'un nou mètode per interpretar correctament els senyals precursors dels terratrèmols. Es tracta d'un nou algoritme d'intel·ligència artificial anomenat Earthquake Transformer.

Els grans sismes són rars, però els microsismes es produeixen contínuament, a les mateixes falles i seguint els mateixos mecanismes que poden originar els terratrèmols més importants. Aquests microsismes, pràcticament imperceptibles utilitzant els algoritmes tradicionals aplicats en sismologia des de la dècada dels vuitanta, poden aportar informació valuosa sobre l'evolució, el comportament i els desplaçaments dels terratrèmols al llarg de les falles –si se saben captar.

És aquest el buit que ve a cobrir Earthquake Transformer: la detecció de sismes petits, que fins ara passaven desapercebuts enmig de la gran quantitat de dades sísmiques, i que tot sovint són precursors d'esdeveniments de més importància. Cal assenyalar d'altra banda que moltes de les eines d'anàlisi existents són capaces de produir catàlegs de terratrèmols extremament detallats, fins i tot dels petits, però els seus mecanismes d'elaboració de patrons funcionen només a les regions que els han subministrat les dades per a l'entrenament. Earthquake Transformer, en canvi, es nodreix de dades mundials.

El principi de l'actuació de Stanford Earth consistí a introduir en el seu nou algoritme milions de dades provinents de sismògrafs, dels darrers vint anys i enregistrades arreu del món com s'ha apuntat. Posteriorment, s'hi integrà l'enregistrament continu de les dades sobre moviments de l'escorça terrestre de les cinc setmanes prèvies al [https://en.wikipedia.org/wiki/2000_Tottori_earthquake terratrèmol de Tottori] (Japó) d'octubre de 2000.

L'algoritme és capaç d'integrar tots els paràmetres, i els seus mecanismes d'[https://en.wikipedia.org/wiki/Attention_(machine_learning) atenció] s'orienten a destriar els paràmetres analitzats per descartar acuradament els sorolls i vibracions superflus, sense significat sísmic, i reconèixer només aquells que resulten comuns a les fases primerenques d'un esdeveniment sísmic.

L'anàlisi de dades de les cinc setmanes prèvies al terratrèmol de Tottori amb la nova eina va permetre de detectar 2,5 vegades més sotracs que els que havien estat capaços de detectar els algoritmes emprats pels especialistes japonesos: Earthquake Transformer, fins i tot utilitzant dades de només divuit de les cinquanta-set estacions japoneses que van estudiar la seqüència dels fets, va destriar més de 21.000 moviments previs a l'esdeveniment.


[[Image:Draft_Echave-Sustaeta_940641605-image2.png|600px]]

''L'aplicació de l'eina Earthquake Transformer a l'anàlisi dels microsismes previs a l'esdeveniment de Tottori revelà sotracs que fins ara havien passat desapercebuts en el munt de dades sísmiques originades a la zona, i hi reconegué certs patrons precursors del sisme de gran magnitud; a la imatge, els sismes acumulats fins a l'hora 211 de les més de vuit-centes de les cinc setmanes prèvies a l'esdeveniment (magnitud 6,6), que va produir-se el 6 d'octubre de 2000 (© Mousavi ''et al.,'' 2020 ''Nature Communications'')''


Entendre els patrons en l'acumulació de petites tremolors al llarg de dècades pot ser la clau perquè sismes més grans no constitueixin un fet totalment inesperat –i per tant se'n puguin minimitzar els danys–. I l'aplicació d'aquesta nova eina d'intel·ligència artificial ajudarà a preveure, a partir dels microsismes que no arriben a la superfície terrestre, els sismes violents que sí que ho fan: l'equip de Stanford Earth creu que com més precisa sigui la informació obtinguda de l'estructura tridimensional de les falles profundes gràcies a la detecció dels microsismes, més fàcil serà anticipar-se als esdeveniments de major magnitud que poden ser percebuts per les persones –i que són només una cinquena part del total de sismes que tenen lloc al món cada any, uns cent mil sobre un global de mig milió; d'aquests cent mil, sols cent provoquen danys.

Earthquake Transformer també servirà per actualitzar els mapes de sismicitat amb què solen treballar les administracions a les zones proclius als terratrèmols. com Califòrnia mateix, i per revelar l'existència de falles que altrament podrien romandre ignorades fins que no es produís un sisme de gran magnitud.

On ja s'ha trobat una aplicació immediata i efectiva d'Earthquake Transformer és en la detecció dels sismes lents, moviments del terra que no arriben a la superfície ni causen destrucció, però que poden durar setmanes o mesos.

I tot això, segons els responsables de l'actuació, es pot dur a terme en un ordinador domèstic que executi Earthquake Transformer, en tot just uns minuts, gràcies a l'aprenentatge continu de l'algoritme, que tot cercant l'existència de moviments sísmics i llur fase d'ocurrència utilitza la informació de recerques anteriors per afinar i accelerar les posteriors.

== Autors ==

Redactat per: [mailto:alfonso.martinezjaume@gencat.cat Alfonso Martínez Jaume]

Per saber-ne més: [https://earth.stanford.edu/news/ai-detects-hidden-earthquakes Earthquake Transformer], [https://www.nature.com/articles/s41467-020-17591-w ''Nature Communications'']