p Pesquisadores da Tokyo Metropolitan University aplicaram técnicas de aprendizado de máquina para obter resultados rápidos, estimativas precisas de campos geomagnéticos locais usando dados obtidos em vários pontos de observação, potencialmente permitindo a detecção de mudanças causadas por terremotos e tsunamis. Um modelo de rede neural profunda (DNN) foi desenvolvido e treinado usando dados existentes; o resultado é um rápido, método eficiente para estimar campos magnéticos para detecção precoce sem precedentes de desastres naturais. Isso é vital para o desenvolvimento de sistemas de alerta eficazes que podem ajudar a reduzir o número de vítimas e danos generalizados. p A devastação causada por terremotos e tsunamis deixa poucas dúvidas de que um meio eficaz de prever sua incidência é de suma importância. Certamente, já existem sistemas para alertar as pessoas pouco antes da chegada das ondas sísmicas; ainda, é frequentemente o caso que a onda S (ou onda secundária), isso é, a parte final do terremoto, já chegou quando o aviso é dado. Um mais rápido, meios mais precisos são extremamente necessários para dar aos residentes locais tempo para buscar segurança e minimizar as vítimas.

p Sabe-se que terremotos e tsunamis são acompanhados por mudanças localizadas no campo geomagnético. Para terremotos, é principalmente o que é conhecido como efeito piezomagnético, onde a liberação de uma grande quantidade de tensão acumulada ao longo de uma falha causa mudanças locais no campo geomagnético. Para tsunamis, é o repentino, vasto movimento do mar que provoca variações na pressão atmosférica. Isso, por sua vez, afeta a ionosfera, posteriormente alterando o campo geomagnético. Ambos podem ser detectados por uma rede de pontos de observação em vários locais. O principal benefício de tal abordagem é a velocidade; lembrando que as ondas eletromagnéticas viajam na velocidade da luz, podemos detectar instantaneamente a incidência de um evento observando as mudanças no campo geomagnético.

p Contudo, como podemos saber se o campo detectado é anômalo ou não? O campo geomagnético em vários locais é um sinal flutuante; todo o método se baseia em saber qual é o campo "normal" em um local.

p Assim, Yuta Katori e Assoc. O Prof. Kan Okubo da Tokyo Metropolitan University decidiu desenvolver um método para fazer medições em vários locais ao redor do Japão e criar uma estimativa do campo geomagnético em diferentes, pontos de observação específicos. Especificamente, eles aplicaram um algoritmo de aprendizado de máquina de última geração conhecido como Deep Neural Network (DNN), modelado em como os neurônios estão conectados dentro do cérebro humano. Ao alimentar o algoritmo com uma grande quantidade de dados obtidos a partir de medições históricas, eles permitem que o algoritmo crie e otimize um sistema extremamente complexo, conjunto de operações em várias camadas que mapeia de forma mais eficaz os dados para o que foi realmente medido. Usando meio milhão de pontos de dados obtidos em 2015, eles foram capazes de criar uma rede que pode estimar o campo magnético no ponto de observação com uma precisão sem precedentes.

p Dado o custo computacional relativamente baixo dos DNNs, o sistema pode potencialmente ser emparelhado com uma rede de detectores de alta sensibilidade para alcançar a detecção rápida de terremotos e tsunamis, entregando um sistema de alerta eficaz que pode minimizar os danos e salvar vidas.