No início de setembro de 2018, um poderoso terremoto na ilha de Hokkaido, no norte do Japão, provocou deslizamentos de terra, edifícios tombados, cortar energia, indústria interrompida, matou mais de 40 pessoas e feriu centenas. A agência meteorológica nacional alertou que os tremores secundários podem ocorrer por até uma semana após o evento principal.

"Um grande terremoto normalmente terá milhares de tremores secundários, "disse Gregory Beroza, o professor Wayne Loel de geofísica na Escola da Terra, Energia e Ciências Ambientais (Stanford Earth) na Stanford University. "Sabemos que um grande terremoto muda algo na crosta terrestre que causa esses tremores secundários."

A raridade de grandes terremotos, Contudo, torna difícil documentar e modelar estatisticamente como grandes terremotos interagem entre si no espaço e no tempo. Os tremores secundários podem oferecer uma solução alternativa. "Os tremores secundários ocorrem pelo mesmo mecanismo, nas mesmas falhas geológicas e nas mesmas condições de outros terremotos, "Beroza explicou em artigo recente na revista Natureza . Como resultado, interações entre o maior terremoto em uma sequência, conhecido como um choque principal, e seus tremores secundários podem conter pistas para interações terremotos de forma mais ampla, ajudando a explicar como as mudanças em uma falha induzida por um terremoto podem afetar o local potencial de outro.

Aqui, Beroza discute como os cientistas prevêem os tremores secundários e por que estão recorrendo à inteligência artificial para construir modelos melhores para o futuro.

Quais são os métodos atuais para prever choques fortes e onde eles ficam aquém?

GREGORY BEROZA:Quando ocorre um grande terremoto, que muda as forças em toda a crosta terrestre próxima. Acredita-se que essa mudança de estresse seja a maior responsável por desencadear tremores secundários. O estresse é o que impulsiona os terremotos.

Os cientistas notaram uma tendência para a ocorrência de tremores secundários, quando dois tipos de estresse atuam na alteração de uma falha. O primeiro tipo é chamado de estresse normal, que é a força com que dois lados de uma falha estão se unindo ou se separando. O segundo tipo é chamado de tensão de cisalhamento, ou com que força os dois lados estão sendo empurrados um pelo outro, paralelo à falha, por forças remotas. Espera-se que diminuições na tensão normal e aumentos na tensão de cisalhamento incentivem terremotos subsequentes. As medidas dessas mudanças no volume da rocha ao redor de uma falha são combinadas em uma única métrica chamada mudança de tensão de ruptura de Coulomb.

Mas não é uma regra rígida e rápida. Alguns terremotos ocorrem onde, de certa forma, não deveriam, por essa métrica. Existem componentes de tensão que são diferentes da tensão de cisalhamento e da tensão normal. Há estresse em outras direções, e combinações complexas. Então, estamos bem em prever onde os tremores secundários irão, e não vai, ocorrer após um choque principal, mas não tão bem quanto gostaríamos.

O que é uma rede neural artificial e como os cientistas podem usar esse tipo de inteligência artificial para prever terremotos e tremores secundários?

BEROZA:Imagine uma máquina que recebe entradas da esquerda. Movendo-se para a direita, você tem uma série de camadas, cada um contendo um monte de neurônios conectados. E na outra extremidade você tem algum tipo de resultado.

Um neurônio pode excitar outro. Quando você adiciona muitas dessas camadas com muitas interações diferentes, você obtém muito rapidamente um conjunto extremamente grande de relacionamentos possíveis. Quando as pessoas falam sobre redes neurais "profundas", isso significa que eles têm muitas camadas.

Nesse caso, sua entrada é informação sobre o estresse em uma falha. A saída são informações sobre os locais dos tremores secundários. Os cientistas podem pegar exemplos de terremotos observados e usar esses dados para treinar os neurônios a interagir de forma a produzir um resultado que foi observado no mundo real. É um processo chamado aprendizado de máquina. Dado este conjunto de entradas, qual é a resposta certa? O que a Terra nos disse sobre esse terremoto?

Um esforço pioneiro para usar inteligência artificial neste contexto publicado em Natureza em agosto de 2018. Os autores alimentaram um algoritmo de aprendizado de máquina com estimativas de mudanças de tensão e informações sobre onde os tremores secundários ocorreram ou não em um monte de terremotos. Eles não estão fazendo previsões de terremotos no sentido usual, onde você tenta prever o tempo, local e magnitude do terremoto. Eles estão apenas procurando onde ocorrem os tremores secundários. O modelo não captura a verdadeira complexidade da Terra, mas está se movendo na direção certa.

Como as abordagens de inteligência artificial podem ser aplicadas à sismologia de forma mais ampla?

BEROZA:Nas ciências da Terra em geral, temos sistemas geológicos complicados que interagem fortemente de maneiras que não entendemos. O aprendizado de máquina e a inteligência artificial podem nos ajudar a explorar e talvez descobrir a natureza de alguns desses relacionamentos complicados. Pode nos ajudar a explorar e encontrar relacionamentos que os cientistas não pensaram ou testaram.

Também temos conjuntos de dados muito grandes. A maior rede sísmica com a qual trabalhei tem algo como 5, 000 sensores nele. Isso é 5, 000 sensores, 100 amostras por segundo, e funciona continuamente por meses. Há tantos dados que é difícil até mesmo olhar para eles.

A tendência é que esses conjuntos de dados sejam cada vez maiores. Dentro de alguns anos, vamos trabalhar com conjuntos de dados de mais de 10, 000 sensores. Como você pode ter certeza de que está obtendo o máximo de informações possível desses enormes conjuntos de dados?

Our usual way of doing business isn't going to scale at some point. Techniques such as data mining and machine learning to help us extract as much information as we can from these very large data sets are going to be an essential part of understanding our planet in the future.