https://frosthead.com

Lehet-e a gépi tanulás a földrengés-előrejelzés kulcsa?

Öt évvel ezelőtt Paul Johnson nem gondolta volna, hogy a földrengések előrejelzése valaha is lehetséges lesz. Most már nem olyan biztos.

"Nem mondhatom, hogy meg fogjuk tenni, de sokkal remélem, hogy évtizedek alatt nagy előrelépést fogunk elérni" - mondja a Los Alamos Nemzeti Laboratórium szeizmológusa. "Most reményteltebb vagyok, mint valaha."

Ennek az új reménynek a fő oka egy olyan technológia, amelyet a Johnson körülbelül négy évvel ezelőtt kezdett kutatni: a gépi tanulás. A földrengések bekövetkezésekor a tektonikus törésvonalak mentén zajló sok hang és kis mozgás régóta értelmetlennek tekinthető. A gépi tanulás - a számítógépes algoritmusok képzése nagy mennyiségű adat elemzésére minták vagy jelek keresésére - azt sugallja, hogy a kis szeizmikus jeleknek végül is számíthatnak.

Az ilyen számítógépes modellek kulcsfontosságúnak bizonyulhatnak a földrengések előrejelzésére való képesség felszabadításában. Ez a távoli lehetőség annyira ellentmondásos, hogy sok szeizmológus megtagadja annak megvitatását.

Amikor a lemeztektonika elmélete az 1960-as években megalapozott, sok tudós úgy gondolta, hogy a földrengés előrejelzése csak idő kérdése. Miután modellezhetõk voltak az eltolódó tányérok által okozott kicsi földrengések, a gondolkodás ment, lehetõvé kell tenni a nagyobb földrengések elõrejelzését nappal vagy akár hetekkel elõre. De a tényezõk sokasága, a szikla típusától a hibacsúszás távolságáig, befolyásolja a földrengés erõsségét, és gyorsan kiderült, hogy a kis léptékû tektonikus aktivitás modellei nem képesek megbízható módon megjósolni a nagyobb földrengéseket. Lehet, hogy a kis váltások és a csúszások, amelyek naponta több százszor előfordulnak, jelezhetik a nagy földrengés sztrájkolásának valószínűségének enyhe növekedését, de még a kisebb tektonikus aktivitású raj után is nagy valószínűséggel nem fordul elő nagy földrengés. A bejövő földrengés jobb jelzésére van szükség, ha az előrejelzés valaha valósággá válik.

A gépi tanulás segítségével ilyen jelet találhat valószínűleg messze van - ha ez még lehetséges. A tavaly év végén közzétett tanulmányban Johnson és csapata azt sugallta, hogy lehet egy korábban figyelmen kívül hagyott szeizmikus jel, amely tartalmazhat egy mintát, amely feltárja, mikor jelentõs földrengés - például a hírhedt és régóta várt Cascadia földrengés a Csendes-óceán északnyugati részén - sztrájkolhat. Ha a hipotézis elmúlik, ez megváltoztathatja a földrengések előrejelzésének módját másodpercről előre, esetleg egy nappal évtizedekre előre.

A földrengés előrejelzésében a legutóbbi javítások az értékes másodpercek voltak. A szeizmológusok azon korai figyelmeztető rendszerek javításán dolgoznak, mint Japánban, és a ShakeAlert rendszert az Egyesült Államok nyugati partján vezetik be. Ezek a rendszerek csak a földrengés már elindulása után küldnek riasztást, de időben megállíthatják a lifteket vagy a gázvezetékeket, és figyelmeztethetik az epicentrustól távolabbi közösségeket.

Tektonikus lemezek A Föld rétege, amelyen élünk, körülbelül tucatnyi tektonikusra van bontva, amelyek egymáshoz képest mozognak. (USGS)

Johnson szerint már egy hatalmas kihívás az, hogy megpróbáljuk extrapolálni, hogy mekkora lesz egy folyamatban lévő földrengés, ahol az epicentruma található, és hogy mi lesz az, amely néhány másodperces adatokból származik. A meglévő figyelmeztető rendszerek tévesen ítélték meg a jelentős földrengéseket, és téves riasztásokat adtak másoknak. De 2007 előtt még másodpercekkel sem volt értesítésünk. Hol lehetünk 2027-ben?

"Nem tudjuk, hogy a szeizmológia valóban mi lesz egy évtized múlva" - mondja Johnson. "De sokkal jobb lesz, mint ma."

A földrengés-megfigyelés terén elért haladás valószínűleg azon számítógépekre támaszkodik, amelyeket kiképeztek arra, hogy szakértői szeizmológusként működjenek. A tökéletes memória, kevés előzetes elképzelés és nulla alvásigény mellett a gépek a tektonikus lemezek eltolódása közben gyűjthetik az összegyűjtött adatok tengerét. Mindez az információ összehasonlítható azzal, amit hallana egy zsúfolt utcán - az autók, az emberek, az állatok és az időjárás zajai összekeverednek. A kutatók átvizsgálják azokat a jeleket, amelyeket hullámként írtak át, annak kipróbálására, hogy valamelyikük jelzi-e, hogy földrengés történik, vagy hamarosan bekövetkezik. Régóta reméljük, hogy az összes zajhoz ragaszkodva lehet valamilyen prekurzor, amelyet meg lehet mérni vagy megfigyelni, hogy jelezze, hogy mennyi ideig tart a következő jelentősebb földrengésig.

Az egyik zajt - amit Johnson „tremor-szerű jelnek” hívnak - évek óta azonosítják és tanulmányozzák. „Mindent eldobtam az eszközkészletbe, és úgy döntöttem, hogy semmi ott nincs” - mondja.

De a csapata által felállított algoritmusok és számítógépek kissé más szemszögből nézték a jelet, az energiára összpontosítva. Ez az energia (amplitúdóként, a szeizmikus hullámok méretének méréseként) „valaha is kissé” növekedett az egész földrengés ciklusán - mondja Johnson. Miután földrengés sújtotta, a jel amplitúdója esett és újraindította a szokásos növekedési ciklust, amíg újabb földrengés nem érte el.

Minta volt.

Ezt a korábban figyelmen kívül hagyott jelet, Johnson szerint, „előrejelző információkat tartalmazott a következő földrengés ciklusának előrejelzésére” néhány perccel korábban a laboratóriumi hibák gyorsított modelljeiben, amely évtizedekkel korábban jelentkezik a valóságban. De az eredmények a laborban és a való világban nem mindig egyeznek meg.

Ezen a ponton a gépi tanulás nem a földrengés előrejelzésének elősegítését célozza, hanem a már megkezdett földrengések megértését vagy általában a dinamikát. A fejlõdések a földrengések helymeghatározásában, a nagyságok becslésében és a „zaj” alapján történõ osztályozásban mindazonáltal javítják megértésünket arról, hogy a földrengések hogyan hatnak, beleértve azt is, hogy mikor sztrájkolhatnak.

„Szeretnék világossá tenni, hogy az, amit csinálunk, más, mint az előrejelzés. De igen, ezek a dolgok közvetetten kapcsolódnak egymáshoz. ”- mondja Mostafa Moustavi, a Stanford szeizmológus, aki gépi tanulással használja a háttérzaj rendezését a kis földrengések észlelésére.

Men-Andrin Meier, a Caltech szeizmológusa szerint „a legjobb feltételezés az, hogy a földrengések természetüknél fogva kiszámíthatatlanok”. Ennek ellenére a gépi tanuláson dolgozik a korai előrejelző rendszerek javítása érdekében, és az ezen figyelmeztetésekbe bekövetkező megfigyelés fejlesztésein javíthatja a földrengés előrejelzéseit. A jobb térkép és a földrengés folyamatainak, trendeinek és ciklusának jobb megértése hozzájárulhat az előrejelzés javításához - mondja Moustafa.

Ennek ellenére egyes szeizmológusok úgy gondolják, hogy a „jóslat” fantázia. Robert Geller, a Tokiói Egyetem szeizmológusa ismert a földrengés előrejelzésével kapcsolatos pesszimizmusáról.

"A földrengés előrejelzésével kapcsolatos kutatások nem igazán dolog" - mondja e-mailben. „Csak sok adatgyűjtésből áll abban a reményben, hogy megbízható„ prekurzor ”található. A mai napig még senkit sem találtak. ”

Geller szerint a földrengés jeleivel kapcsolatos laboratóriumi eredményeket mindaddig figyelmen kívül lehet hagyni, amíg azokat a valós világban nem következetesen reprodukálják. Nem kétséges, hogy a megfigyelt földrengés-előfordulásokra vonatkozó adatok hátrányosan nézve sok nyilvánvaló mintát találnak. De nem látom okot azt gondolni, hogy az ilyen minták időben haladnak majd tovább ”- mondja Geller.

A Cascadia-hiba Vancouver-sziget mellett lassan elcsúszik, olyan alacsony szeizmikus képességet eredményezve, amelyet nem érezhet, majd évente egyszer visszatér a helyére. Megfigyelhető a Föld felszínének enyhe csekély eltolódása ettől a csúszástól, így Johnson csapata megpróbálta megvizsgálni, hogy a gépi tanulási algoritmusuk által azonosított új jel képes-e megjósolni a mozgást.

„És íme, ez az elmozdulási arányhoz igazodott” - mondja Johnson.

A kérdés most az, hogy a jel hogyan kapcsolódhat a hiba reteszeléséhez - az egymásba kapcsolt kőzetek, amelyek megakadályozták a tektonikus lemezek drasztikus csúszását és körülbelül 300 éve jelentős földrengést okoztak. Végül a hiba reteszelése megszakad, és hatalmas földrengés sztrájkol. Lehet, hogy a Johnson csapata tanulmányozott jele, vagy egy még fel nem fedezett jel még valamilyen értelmű képet adhat arról, hogy mikor fog történni - ha ezek a jelek egyáltalán a nagyobb földrengésekhez kapcsolódnak.

Lehet-e a gépi tanulás a földrengés-előrejelzés kulcsa?