O desafio de analisar os sinais de terremotos com a precisão ideal aumenta com a quantidade de dados sísmicos disponíveis. No Karlsruhe Institute of Technology (KIT), pesquisadores implantaram uma rede neural para determinar o tempo de chegada das ondas sísmicas e, assim, localizar com precisão o epicentro do terremoto. Em seu relatório no Cartas de pesquisa sismológica Diário, eles apontam que a Inteligência Artificial é capaz de avaliar os dados com a mesma precisão de um sismólogo experiente.

Para localizar com precisão um evento de terremoto, é fundamental determinar o tempo exato de chegada da maioria das ondas sísmicas na estação do sismômetro (a chamada chegada de fase). Sem este conhecimento, avaliações sismológicas mais precisas não são possíveis. Essas avaliações podem ser muito úteis na previsão de tremores secundários que às vezes causam danos mais sérios do que o terremoto principal inicial. Ao localizar precisamente o epicentro, até mesmo os processos físicos que ocorrem nas profundezas da Terra podem ser melhor distinguidos, e isto, por sua vez, permite inferências sobre a estrutura do interior da Terra. "Nossos resultados mostram que a inteligência artificial pode melhorar significativamente a análise de terremotos - não apenas com o suporte de grandes volumes de dados, mas também se apenas um conjunto de dados limitado estiver disponível, "explica o professor Andreas Rietbrock, do Geophysical Institute (GPI) do KIT.

A avaliação dos sismogramas registrados, que é chamado de seleção de fase, ajuda a determinar os tempos de chegada das fases individuais. Tradicionalmente, este é um procedimento manual. A precisão na seleção de fase manual pode ser afetada pela subjetividade do sismólogo responsável. Mais notavelmente, Contudo, uma avaliação manual, entretanto, requer tempo e recursos humanos inaceitáveis, devido à crescente quantidade de dados sísmicos e à maior densidade das redes sismométricas. A avaliação automatizada se tornou necessária para aproveitar todos os dados disponíveis rapidamente. De fato, os algoritmos de seleção de fase desenvolvidos até agora não são capazes de fornecer a precisão alcançada com a seleção manual por um sismólogo experiente - devido à extrema complexidade da formação e propagação de terremotos, com muitos processos físicos atuando no campo de ondas sísmicas.

Inteligência Artificial (IA), Contudo, é capaz de corresponder à precisão humana ao avaliar esses dados. Isso agora foi revelado por cientistas do GPI, a Universidade de Liverpool, e a Universidade de Granada. De acordo com seu relatório no Cartas de pesquisa sismológica Diário, os pesquisadores usaram uma rede neural convolucional (CNN) para determinar o início da fase em uma rede sísmica no Chile. As CNNs são inspiradas por sistemas neurais biológicos e organizadas em diferentes camadas de neurônios artificiais interconectados. No chamado Deep Learning, que é um dos métodos de aprendizado de máquina, recursos detectados e aprendidos são passados ​​de uma camada para a próxima, sendo cada vez mais refinado neste processo.

Durante um terremoto, diferentes tipos de ondas sísmicas se propagam pela Terra. Os tipos principais são chamados de ondas compressionais ou primárias (ondas P) e de cisalhamento ou ondas secundárias (ondas S). Primeiro, as ondas P mais rápidas chegam à estação sismológica, seguido pelas ondas S mais lentas. As ondas sísmicas podem ser registradas em sismogramas. Os pesquisadores treinaram a CNN usando um conjunto de dados relativamente pequeno cobrindo 411 eventos de terremoto no norte do Chile. Então, a CNN determinou o tempo de chegada de fases P e fases S desconhecidas, ao mesmo tempo em que combina a precisão de um sismólogo experiente com coleta manual ou até mesmo fornece uma precisão maior do que um algoritmo de coleta clássico.