Echave-Sustaeta 2021h

La interpretació acurada de petits sismes ignorats pot permetre de preveure'n els grans. B#38|26/03/2021*

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

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 (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 terratrèmol de Tottori (Japó) d'octubre de 2000.

L'algoritme és capaç d'integrar tots els paràmetres, i els seus mecanismes d'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.

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.

Redactat per: Alfonso Martínez Jaume

Per saber-ne més: Earthquake Transformer, Nature Communications

Eixos RDI del Departament

Sistemes avançats de previsió, Observació i mesura territorial, Sistemes d'informació per a la gestió

La interpretación precisa de pequeños seísmos ignorados puede permitir prever los grandes. B#38|26/03/2021*

Gracias a una nueva herramienta de inteligencia artificial, movimientos sísmicos mínimos con señales demasiado débiles para los métodos convencionales de interpretación sísmica pueden ayudar a descifrar la física tras los grandes seísmos y discernir sus posibles señales de aviso antes de que se desencadenen. El nuevo algoritmo ha sido desarrollado por Stanford Earth.

Earthquake Transformer, una nueva herramienta de inteligencia artificial

Investigadores de la School of Earth, Energy and Environmental Sciences de la Universidad de Stanford (Stanford Earth) con el apoyo del Stanford Center for Induced and Triggered Seismicity (SCITS, de la misma Universidad) completaron hacia finales de 2020 la elaboración de un nuevo método para interpretar correctamente las señales precursoras de los terremotos. Se trata de un nuevo algoritmo de inteligencia artificial llamado Earthquake Transformer.

Los grandes seísmos son infrecuentes, pero los microsismos se producen continuamente, en las mismas fallas y siguiendo los mismos mecanismos que pueden originar los terremotos más importantes. Esos microsismos, prácticamente imperceptibles utilizando los algoritmos tradicionales aplicados en sismología desde la década de los ochenta, pueden aportar información valiosa sobre la evolución, el comportamiento y los desplazamientos de los terremotos a lo largo de las fallas –si se saben captar.

Éste es el vacío que viene a cubrir Earthquake Transformer: la detección de seísmos pequeños, que hasta ahora pasaban desapercibidos entre la gran cantidad de datos sísmicos, y que a menudo son precursores de sucesos de mayor importancia. Cabe señalar por otro lado que muchos de los instrumentos de análisis existentes son capaces de producir catálogos de terremotos extremadamente detallados, incluso de los pequeños, pero sus mecanismos de elaboración de patrones funcionan solo en las regiones que les han suministrado los datos para el entrenamiento. Earthquake Transformer, en cambio, se nutre de datos mundiales.

El principio de la actuación de Stanford Earth consistió en introducir en su nuevo algoritmo millones de datos provenientes de sismógrafos, de los últimos veinte años y registrados en todo el mundo como se ha apuntado. Posteriormente se integró al algoritmo el registro continuo de los datos sobre movimientos de la corteza terrestre de las cinco semanas previas al terremoto de Tottori (Japón) de octubre de 2000.

El algoritmo es capaz de integrar todos los parámetros, y sus mecanismos de atención se orientan a discriminar los parámetros analizados, para descartar con precisión los ruidos y vibraciones superfluos, sin significado sísmico, y reconocer solo aquellos que resultan comunes en las fases iniciales de un suceso sísmico.

El análisis de datos de las cinco semanas previas al terremoto de Tottori con la nueva herramienta permitió detectar 2,5 veces más sacudidas que las que habían sido capaces de detectar los algoritmos empleados por los especialistas japoneses: Earthquake Transformer, incluso utilizando datos de solo dieciocho de las cincuenta y siete estaciones japonesas que estudiaron la secuencia de los hechos, discernió más de 21.000 movimientos previos al suceso.

La aplicación de la herramienta Earthquake Transformer al análisis de los microsismos previos al suceso de Tottori reveló sacudidas que hasta ahora habían pasado desapercibidas en la montaña de datos sísmicos originados en la zona, y reconoció ciertos patrones precursores del seísmo de gran magnitud; en la imagen, los seísmos acumulados hasta la hora 211 de las más de ochocientas de las cinco semanas previas al suceso (magnitud 6,6), que se produjo el 6 de octubre de 2000 (© Mousavi et al., 2020 Nature Communications)

Entender los patrones en la acumulación de pequeños temblores a lo largo de décadas puede ser la clave para que seísmos mayores no constituyan un hecho totalmente inesperado –y por tanto se puedan minimizar sus daños–. Y la aplicación de este nuevo instrumento de inteligencia artificial ayudará a prever, a partir de los microsismos que no llegan a la superficie terrestre, los seísmos violentos que sí lo hacen: el equipo de Stanford Earth cree que cuanto más precisa sea la información obtenida de la estructura tridimensional de las fallas profundas gracias a la detección de los microsismos, más fácil será anticiparse a los sucesos de mayor magnitud que pueden percibidos por las personas –y que son solamente una quinta parte del total de seísmos que tienen lugar en el mundo cada año, unos cien mil sobre un global de medio millón); de estos cien mil, solo cien provocan daños.

Earthquake Transformer también servirá para actualizar los mapas de sismicidad con que se suelen trabajar las administraciones en las zonas proclives a los terremotos, como la propia California, y para revelar la existencia de fallas que de otra manera podrían permanecer ignoradas en tanto no se produjese un seísmo de gran magnitud.

Donde ya se ha encontrado una aplicación inmediata y efectiva de Earthquake Transformer es en la detección de los seísmos lentos, movimientos del suelo que no llegan a la superficie ni causan daños, pero que pueden durar semanas o meses.

Y todo ello, según los responsables de la actuación, se puede llevar a cabo en un ordenador doméstico que ejecute Earthquake Transformer, tan solo en unos minutos gracias al aprendizaje continuo del algoritmo, que buscando la existencia de movimientos sísmicos y su fase de ocurrencia utiliza la información de búsquedas anteriores para afinar y acelerar las posteriores.

Redactado por: Alfonso Martínez Jaume

Para saber más: Earthquake Transformer, Nature Communications

Ejes I+D+i del Departamento

Sistemas avanzados de previsión, Observación y medida territorial, Sistemas de información para la gestión