Algoritmo de aprendizaje automático predice terremotos de laboratorio

Los terremotos se cobran un terrible número de vidas humanas. Unas 10.000 personas mueren cada año a causa de los terremotos y sus secuelas, pero el número de víctimas puede ser mucho mayor. Más de 230.000 personas murieron en el tsunami que siguió al terremoto de magnitud 9 frente a la costa de Sumatra en 2004; más de 200.000 personas murieron en Haití en 2010 después de que el país fuera azotado por un terremoto de magnitud 7; y se cree que más de 800.000 murieron en un terremoto en China en 1556.

Entonces, una mejor manera, cualquier manera, de pronosticar terremotos sería muy valiosa.

Entra Bertrand Rouet-Leduc en el Laboratorio Nacional de Los Alamos en Nuevo México y algunos amigos que han hecho un descubrimiento notable. Han entrenado un algoritmo de aprendizaje automático para detectar las señales reveladoras de que un terremoto de laboratorio está a punto de ceder utilizando solo los sonidos que emite bajo tensión. El equipo se muestra cauteloso sobre la utilidad de la nueva técnica para terremotos reales, pero el trabajo abre nuevas vías de investigación en esta área.

Primero algunos antecedentes. Los geólogos han podido durante mucho tiempo calcular el riesgo aproximado de un terremoto. Su enfoque es calcular cuándo se movió la falla en el pasado y usar cualquier periodicidad para predecir el futuro.

El ejemplo más famoso involucra el segmento de Parkfield de la falla de San Andrés en California, una de las fallas más cuidadosamente estudiadas del planeta. Los terremotos ocurrieron aquí en 1857, 1881, 1901, 1922, 1934 y 1966, lo que sugiere un patrón en el que los terremotos ocurren cada 22 años más o menos unos pocos años. Por lo tanto, los geólogos predijeron que ocurriría un terremoto entre 1988 y 1993, pero tuvieron que esperar hasta 2004 para que ocurriera su temblor.

Y eso es tan bueno como los pronósticos de terremotos: en la mayoría de los demás lugares, las barras de error son órdenes de magnitud más grandes.

Tales predicciones son útiles para hacer cumplir cosas como los estándares de construcción en regiones que se sabe que son propensas a terremotos. Pero son de poca utilidad para prevenir muertes cuando ocurren los terremotos. Para eso, se necesitan pronósticos en lapsos de tiempo medidos en días. Ha habido poca evidencia de que este tipo de predicción alguna vez sea posible, aunque hay mucha evidencia anecdótica que sugiere que los animales pueden sentir de alguna manera el inicio inminente de un terremoto.

El trabajo de Rouet-Leduc y compañía puede cambiar eso. Crearon terremotos artificiales en su laboratorio tirando de un bloque intercalado entre otros dos. En la interfaz entre los bloques, empaquetaron una mezcla de material rocoso, llamado material de gubia, para simular las propiedades de fallas reales.

Este tipo de sistema de terremoto artificial ha sido bien estudiado. Los geólogos saben que a medida que se acerca un terremoto, el material de la gubia comienza a fallar, emitiendo gemidos y grietas a medida que se corta, una especie de parloteo sísmico. El bloque luego se desliza cuasi-periódicamente.

Este sistema tiene algunas similitudes con los terremotos reales. Por ejemplo, la distribución de tamaños de los deslizamientos es la misma que la distribución de tamaños de los terremotos reales. Genera muchos deslizamientos pequeños y solo unos pocos grandes, una distribución que sigue la conocida relación de Gutenberg-Richter, tal como lo hacen los terremotos reales. Entonces, los geólogos confían en que este sistema imita al menos algunos de los comportamientos que se observan en el mundo real.

La pregunta que se hacen estos muchachos es si el sonido emitido por la falla se puede usar para predecir el momento del próximo deslizamiento. Hasta ahora, nadie ha visto un patrón en estos sonidos que pueda usarse para hacer tal predicción. Pero Rouet-Leduc y compañía han adoptado un nuevo enfoque.

Registraron las emisiones acústicas del experimento y las introdujeron en un algoritmo de aprendizaje automático. La idea era ver si la máquina podía descifrar algún patrón que los geólogos habían pasado por alto hasta ahora. Y de hecho lo hizo.

Los resultados son una especie de sorpresa. Los investigadores alimentaron el algoritmo con una ventana deslizante de emisiones acústicas, pidiéndole que hiciera una predicción en cada instante de la probabilidad de un terremoto. Para su asombro, la máquina dio predicciones precisas incluso cuando un terremoto no era inminente. Demostramos que al escuchar la señal acústica emitida por una falla de laboratorio, el aprendizaje automático puede predecir con gran precisión el tiempo restante antes de que falle, dicen.

El enigma es cómo la máquina puede hacer esto. Rouet-Leduc y sus colegas plantean la hipótesis de que los precursores sísmicos pueden ser mucho más pequeños de lo que se pensaba anteriormente y, por lo tanto, generalmente no se registran en el mundo real. La máquina parece haber detectado una señal completamente nueva que los geólogos habían descartado previamente como ruido en los sismos de laboratorio. Nuestro análisis de aprendizaje automático proporciona una nueva visión de la física del deslizamiento, dicen.

Es un trabajo fascinante que tiene implicaciones significativas. La primera y más obvia pregunta que plantea es si la misma técnica podría predecir con precisión los terremotos reales.

Rouet-Leduc y compañía son cautelosos a este respecto. Señalan que el experimento de laboratorio es diferente en varias formas importantes a los terremotos reales. Los esfuerzos cortantes son órdenes de magnitud mayores que en los terremotos reales y las temperaturas de las rocas involucradas también son diferentes.

Pero hay otras formas en las que los terremotos de laboratorio son similares a los de la Tierra. Entonces, el próximo objetivo del equipo es aplicar el mismo tipo de análisis a terremotos reales que se parezcan más a los de laboratorio. Uno de ellos es Parkfield, que experimenta muchos terremotos repetidos durante períodos relativamente cortos. Los repetidores en estos parches de falla pueden estar emitiendo un parloteo en analogía con el laboratorio, sugieren.

La gran prueba, por supuesto, será predecir un terremoto con precisión. Esa es una tarea difícil que requerirá una cuidadosa observación durante muchos años.

Mientras tanto, la misma técnica podría aplicarse para predecir fallas similares a terremotos en otros materiales, como turbinas en aviones y centrales eléctricas.

Independientemente de cómo se aplique la nueva técnica, Rouet-Leduc y compañía han colocado al gato entre las palomas en el mundo de la geología. Como concluyen: El escenario ha sido preparado para avances potencialmente marcados en la ciencia sísmica.

Ref: arxiv.org/abs/1702.05774 : El aprendizaje automático predice terremotos de laboratorio

esconder