La predicción de terremotos sigue siendo uno de los mayores desafíos en el campo de la ciencia, y aunque hemos avanzado mucho en nuestro conocimiento y capacidad de detectar terremotos, todavía estamos lejos de poder predecir cuándo y dónde ocurrirá el próximo. Sin embargo, los avances en tecnología y aprendizaje automático están permitiendo a los científicos explorar nuevas formas de abordar este problema.
Un estudio reciente realizado por investigadores del Centro RIKEN para el Proyecto de Inteligencia Avanzada (AIP) ha demostrado que las redes neuronales artificiales podrían ser una solución para la predicción de terremotos. Utilizando una red neuronal informada por la física, el equipo de investigadores fue capaz de modelar las fallas de deslizamiento en la corteza terrestre y predecir la cantidad de desplazamiento en un lugar particular de la Tierra.
¿Cómo la física y el aprendizaje automático podrían predecir terremotos?
El equipo tuvo que superar una dificultad importante al modelar la deformación de la corteza terrestre, ya que el desplazamiento es discontinuo a lo largo de una línea de falla, lo que hace que sea difícil para una red neuronal que aprende funciones continuas aplicarse directamente. Sin embargo, los investigadores diseñaron un sistema de coordenadas que permitió modelar con precisión la deformación de la corteza terrestre, incluso en regiones cercanas a las fallas.
Este enfoque tiene un gran potencial para la predicción de terremotos. También podría salvar miles de vidas al dar a las personas tiempo suficiente para evacuar las áreas amenazadas. Además, este enfoque también podría aplicarse a muchos otros problemas relacionados con la deformación de la corteza terrestre.
Las redes neuronales artificiales son relativamente nuevas en el campo del aprendizaje automático y todavía se están explorando sus posibilidades. Sin embargo, los resultados de esta investigación son prometedores. Además, sugieren que estas redes podrían ser una herramienta útil para la predicción de terremotos y otros problemas relacionados con la corteza terrestre.
La deformación de la corteza terrestre y el manto superior proporcionan información crítica sobre la evolución de los procesos sísmicos y los posibles terremotos futuros. Modelar la deformación de la corteza se puede lograr utilizando modelos de dislocación. Estos representan fallas sísmicas en la corteza como defectos en un medio continuo.
La tecnología está cambiando la forma en que entendemos las fallas de la Tierra
En este estudio, los investigadores propusieron un enfoque de aprendizaje profundo basado en la física para modelar la deformación de la corteza debido a los terremotos. Las redes neuronales pueden representar campos de desplazamiento continuo en estructuras geométricas arbitrarias y propiedades mecánicas de rocas incorporando ecuaciones de gobierno y condiciones de contorno en una función de pérdida.
El sistema de coordenadas polares se introdujo para modelar con precisión la discontinuidad de desplazamiento en una falla como condición de contorno. Los investigadores ilustraron la validez y utilidad de este enfoque a través de problemas de ejemplo con fallas de rumbo. Este enfoque tiene una ventaja potencial sobre los enfoques convencionales en el sentido de que podría extenderse directamente a problemas de alta dimensión, anelásticos, no lineales e inversos.
En resumen, el uso de redes neuronales informadas por la física podría ser una herramienta útil para la predicción de terremotos. También para otros problemas relacionados con la corteza terrestre. Este enfoque tiene ventajas potenciales sobre los enfoques convencionales. Es decir, no requiere grandes conjuntos de datos de entrenamiento y puede extenderse a problemas de alta dimensión, anelásticos, no lineales e inversos. Sin embargo, se necesitan más investigaciones para validar y mejorar este enfoque y su aplicación a la predicción de terremotos en situaciones reales.
Referencias:
Physics-informed deep learning approach for modeling crustal deformation: https://doi.org/10.1038/s41467-022-34922-1
