Sinais de IA e gravidade podem detectar rapidamente grandes terremotos

Terremotos maciços não apenas movem o solo – eles fazem ajustes de velocidade da luz no campo gravitacional da Terra. Agora, os pesquisadores computadores treinados para identificar esses minúsculos sinais gravitacionaisdemonstrando como os sinais podem ser usados ​​para marcar a localização e o tamanho de um forte terremoto quase instantaneamente.

É o primeiro passo para a criação de um sistema de alerta precoce para os terremotos mais poderosos do planeta, relatam cientistas em 11 de maio em Natureza.

Tal sistema pode ajudar a resolver um problema espinhoso na sismologia: como determinar rapidamente a verdadeira magnitude de um terremoto maciço imediatamente após ele acontecer, diz Andrea Licciardi, geofísico da Université Côte d’Azur em Nice, França. Sem essa capacidade, é muito mais difícil emitir avisos de perigo de forma rápida e eficaz que podem salvar vidas.

À medida que grandes terremotos se rompem, o tremor e o tremor enviam ondas sísmicas pelo solo que aparecem como grandes oscilações nos sismógrafos. Mas os atuais métodos de detecção baseados em ondas sísmicas notoriamente têm dificuldade em distinguir entre, digamos, um terremoto de magnitude 7,5 e magnitude 9 nos poucos segundos após tal evento.

Isso porque as estimativas iniciais de magnitude são baseadas na altura das ondas sísmicas chamadas ondas P, que são as primeiras a chegar às estações de monitoramento. No entanto, para os terremotos mais fortes, essas amplitudes iniciais da onda P atingem o máximo, tornando difícil distinguir terremotos de diferentes magnitudes.

Mas as ondas sísmicas não são os primeiros sinais de um terremoto. Toda essa massa se movendo em um grande terremoto também altera a densidade das rochas em diferentes locais. Essas mudanças na densidade se traduzem em pequenas mudanças no campo gravitacional da Terra, produzindo ondas de “elastogravidade” que viajam pelo solo na velocidade da luz – ainda mais rápido que as ondas sísmicas.

Esses sinais já foram considerados pequenos demais para serem detectados, diz o sismólogo Martin Vallée, do Institut de Physique du Globe de Paris, que não esteve envolvido no novo estudo. Então, em 2017, Vallée e seus colegas foram o primeiro a relatar ter visto esses sinais de elastogravidade nos dados da estação sísmica. Essas descobertas provaram que “você tem uma janela entre o início do terremoto e o momento em que você recebe o [seismic] ondas”, diz Vallée.

Mas os pesquisadores ainda ponderaram sobre como transformar esses sinais de elastogravidade em um sistema de alerta precoce eficaz. Como as oscilações da gravidade são pequenas, elas são difíceis de distinguir do ruído de fundo em dados sísmicos. Quando os cientistas analisaram retroativamente, descobriram que apenas seis mega-terremotos nos últimos 30 anos geraram sinais de elastogravidade identificáveis, incluindo o terremoto de magnitude 9 Tohoku-Oki em 2011 que produziu um tsunami devastador que inundou duas usinas nucleares em Fukushima, Japão.SN: 16/03/11). (A estimativa inicial baseada em ondas AP da magnitude desse terremoto foi de 7,9.)

É aí que os computadores podem entrar, diz Licciardi. Ele e seus colegas criaram o PEGSNet, uma rede de aprendizado de máquina projetada para identificar “Prompt ElastoGravity Signals”. Os pesquisadores treinaram as máquinas em uma combinação de dados sísmicos reais coletados no Japão e 500.000 sinais de gravidade simulados para terremotos na mesma região. Os dados sintéticos de gravidade são essenciais para o treinamento, diz Licciardi, porque os dados reais são muito escassos e o modelo de aprendizado de máquina requer entrada suficiente para encontrar padrões nos dados.

Depois de treinados, os computadores foram submetidos a um teste: acompanhe a origem e a evolução do terremoto de Tohoku de 2011 como se estivesse acontecendo em tempo real. O resultado foi promissor, diz Licciardi. O algoritmo foi capaz de identificar com precisão a magnitude e a localização do terremoto cinco a 10 segundos antes de outros métodos.

Este estudo é uma prova de conceito e esperançosamente a base para um protótipo de um sistema de alerta precoce, diz Licciardi. “No momento, é feito sob medida para trabalhar… no Japão. Queremos construir algo que possa funcionar em outras áreas” conhecidas por terremotos poderosos, incluindo Chile e Alasca. Eventualmente, a esperança é construir um sistema que possa funcionar globalmente.

Os resultados mostram que o PEGSNet tem potencial para ser uma ferramenta poderosa para alertas antecipados de terremotos, principalmente quando usado junto com outras ferramentas de detecção de terremotos, diz Vallée.

Ainda assim, mais trabalho precisa ser feito. Por um lado, o algoritmo foi treinado para procurar um único ponto para a origem de um terremoto, o que é uma aproximação razoável se você estiver longe. Mas de perto, a origem de um terremoto não parece mais um ponto, é na verdade uma região maior que se rompeu. Se os cientistas quiserem uma estimativa precisa de onde ocorreu uma ruptura no futuro, as máquinas precisam procurar regiões, não pontos, acrescenta Vallée.

Avanços maiores podem vir no futuro, à medida que os pesquisadores desenvolvem instrumentos muito mais sensíveis que podem detectar perturbações ainda menores causadas por terremotos no campo gravitacional da Terra, enquanto filtram outras fontes de ruído de fundo que podem obscurecer os sinais. A Terra, diz Vallée, é um ambiente muito barulhento, dos oceanos à atmosfera.

“É um pouco o mesmo que o desafio que os físicos enfrentam quando tentam observar as ondas gravitacionais”, diz Vallée. Essas ondulações no espaço-tempo, desencadeadas por colisões cósmicas colossais, são um tipo muito diferente de onda impulsionada pela gravidade.SN: 11/02/16). Mas os sinais de ondas gravitacionais também são ofuscados pelo ruído da Terra – neste caso, microtremores no solo.


Source: Science News by www.sciencenews.org.

*The article has been translated based on the content of Science News by www.sciencenews.org. If there is any problem regarding the content, copyright, please leave a report below the article. We will try to process as quickly as possible to protect the rights of the author. Thank you very much!

*We just want readers to access information more quickly and easily with other multilingual content, instead of information only available in a certain language.

*We always respect the copyright of the content of the author and always include the original link of the source article.If the author disagrees, just leave the report below the article, the article will be edited or deleted at the request of the author. Thanks very much! Best regards!