.

Computación

La inteligencia artificial descubre nuevas señales para predecir un terremoto

1

Una máquina ha encontrado un sutil patrón acústico desconocido hasta ahora con el que puede predecir cuándo se producirá un seísmo en un entorno de laboratorio. El equipo intenta aplicarlo para salvar vidas

  • por Emerging Technology From The Arxiv | traducido por Teresa Woods
  • 16 Marzo, 2017

Los terremotos causan pérdidas humanas horribles. Unas 10.000 personas mueren cada año en seísmos o a causa del caos que siembran, pero la cifra podría ser mayor. Más de 230.000 personas murieron a causa del tsunami que golpeó la costa de Sumatra en 2004, más de 200.000 fallecieron en Haití en 2010 tras sufrir un terremoto de magnitud 7; y se cree que más de 800.000 personas murieron en un terremoto en China en 1556.

Así que poder predecir los terremotos sería algo tremendamente valioso.

Aquí entran en escena el investigador del Laboratorio Nacional Los Alamos en Nuevo México (EEUU) Bertrand Rouet-Leduc y varios compañeros que han realizado un descubrimiento increíble. Han entrenado un algoritmo de aprendizaje automático para detectar las señales delatadoras de que un laboratorio de pruebas sísmicas está a punto de sufrir un terremoto. Y para ello tan sólo necesitado analizar los sonidos que el edificio emite frente a la presión sísmica. El equipo se muestra cauteloso acerca de la utilidad de la técnica para predecir terremotos reales, pero el trabajo abre nuevas vías de investigación en este campo.

Primero, un poco de contexto. Hace mucho que los geólogos son capaces de calcular el riesgo aproximado de un terremoto. Su enfoque consiste en averiguar todas las veces que la falla se ha movido en el pasado y utilizar esa frecuencia para predecir el futuro.

El ejemplo más famoso incluye el segmento Parkfield de la falla de San Andrés en California (EEUU), una de las más estudiadas del planeta. Esta estructura ha producido terremotos en 1857, 1881, 1901, 1922, 1934 y 1966, lo que sugiere un patrón de seímos cada 22 años, con un margen de error de varios años. Los geólogos predijeron, por tanto, que entre 1988 y 1993 se produciría un nuevo terremoto, pero tuvieron que esperar hasta 2004 para sentir el temblor.

Y esto es más o menos lo mejor que la ciencia de predicción sísmica ha logrado hasta la fecha. En otras zonas del mundo, el margen de error aumenta en varios órdenes de magnitud.

Las predicciones tradicionales resultan útiles en aspectos como la aplicación de estándares de construcción en zonas vulnerables a terremotos. Pero de poco sirven para impedir muertes cuando sí se producen temblores. Para eso, se necesitan predicciones de plazos que se midan en días. Y aunque de momento no hay demasiada certeza de que algún día se vaya a conseguir una precisión semejante, existen muchas pruebas anecdóticas que sugieren que los animales pueden presentir de alguna manera un terremoto inminente.

El trabajo del equipo de Rouet-Leduc podría cambiar eso. Su investigación ha generado terremotos artificiales en su laboratorio gracias a un bloque situado entre otros dos. El bloque central se componía de una mezcla de materiales rocosos, llamados materiales de gubia, que simulan las propiedades de las fallas naturales.

Este tipo de sistema de terremoto artificial ha sido ampliamente estudiado. Los geólogos saben que cuando se acerca un terremoto, el material de gubia empieza a fallar, y emite rugidos y crujidos mientras se rompe, una especie de parloteo sísmico. El bloque entonces se desplaza cuasi periódicamente.

Este sistema comparte algunas similitudes con los terremotos reales. Por ejemplo, la distribución de tamaño de los movimientos es la misma que la de los terremotos reales. Genera muchos pequeños movimientos y tan sólo unos grandes, tal y como marca la bien conocida relación Gutenberg-Richter, al igual que un terremoto de verdad. Así que los geólogos confían en que este sistema replique algunos de los comportamientos observados en el mundo real.

La pregunta que plantean estos investigadores es si el sonido emitido por la falla puede ser empleado para predecir cuándo se producirá el próximo movimiento. Hasta ahora, nadie había detectado un patrón dentro de estos ruidos que sirviera para hacer predicciones. Pero el equipo de Rouet-Leduc ha adoptado un enfoque nuevo.

Los investigadores han grabado las emisiones acústicas del experimento y las han utilizado para alimentar un algoritmo de aprendizaje automático. La idea consistía en comprobar si la máquina podía encontrar algún patrón que los geólogos hubiesen obviado hasta ahora. Y así ha sido.

Los resultados son algo sorprendentes. Los investigadores alimentaron el algoritmo con una ventana móvil de emisiones acústicas, y le ordenaron que valorara las probabilidades de seísmo de forma continua. Para su gran asombro, la máquina realizaba predicciones precisas incluso cuando el terremoto no era inminente. La investigación afirma: "Demostramos que las señales acústicas emitidas por una falla de laboratorio permiten que el aprendizaje automático prediga con gran precisión el tiempo que queda antes de que se rompa".

El misterio es cómo la máquina es capaz de hacerlo. El equipo de Rouet-Leduc cree que los precursores sísmicos pueden ser mucho más débiles de lo que se creía y por tanto, no suelen ser registrados en el mundo real. La máquina parece haber detectado una señal totalmente nueva que los geólogos habían desechado como ruido dentro de los terremotos de laboratorio. Los responsables continuan: "Nuestro análisis de aprendizaje automático proporciona nuevos conocimientos sobre la física de los terremotos".

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

El equipo de Rouet-Leduc se muestra cauteloso. Señala que el experimento de laboratorio tiene diferencias importantes con los terremotos reales. Las tensiones cortantes son mayores que las de los temblores reales en varios órdenes de magnitud y también varían las temperaturas de las rocas afectadas.

Pero los terremotos de laboratorio también tienen semejanzas con los del mundo real. Así que el próximo objetivo del equipo consiste en aplicar el mismo tipo de análisis a terremotos reales que guardan el máximo parecido con los de laboratorio. Uno así es el segmento Parkfield, que experimenta muchos terremotos repetitivos durante períodos relativamente cortos. "Los [terremotos] repetitivos en estas fallas pueden estar emitiendo este parloteo de forma similar al del laboratorio", sugieren los investigadores.

La gran prueba, por supuesto, será realmente predecir un terremoto con precisión. Es una tarea complicada que requerirá una cuidadosa observación durante muchos años.

Mientras tanto, la misma técnica podría ser aplicada a predecir fallos similares a los terremotos en otros materiales, como turbinas de avión y estaciones energéticas.

Se aplique como se aplique la nueva técnica, el equipo de Rouet-Leduc ha liberado un gato entre palomas dentro del mundo de la geología. Como concluyen ellos mismos: "Se ha creado un escenario que podría generar potentes avances en la ciencia de los terremotos".

Ref: arxiv.org/abs/1702.05774: Machine Learning Predicts Laboratory Earthquakes

Computación

Las máquinas cada vez más potentes están acelerando los avances científicos, los negocios y la vida.

  1. Advertencia: este algoritmo se autodestruirá y nadie podrá acceder a la información

    Los programas de un solo uso podrían ser claves para garantizar la seguridad de algunos procesos, pero hasta ahora había sido imposible construirlos. La computación cuántica lo ha conseguido, aunque el enfoque obliga a aceptar una pequeña probabilidad de que el resultado sea incorrecto

  2. Quantum Inside: Intel ya está fabricando un chip de 17 cúbits superconductores

    Aunque la compañía ha llegado tarde a la carrera por la supremacía cuántica, confía en que su experiencia en fabricación le ayude a superar a sus rivales. Google, por ejemplo, acaba de demostrar una prueba de concepto de nueve cúbits superconductores

  3. 'Blockchain', la tecnología estrella para gestionar los datos sanitarios

    Los gestores de salud pública de EEUU ya están trabajando en herramientas para utilizar la cadena de bloques para agilizar la transferencia de información entre centros y asegurar que los datos se usan de forma correcta