Um gráfico extraído por um novo algoritmo da Rice University mostra formas de onda do cluster associadas a precursores e alinhadas em relação a uma forma de onda de referência dentro do cluster. Os dados eram de três sismogramas coletados no dia anterior ao deslizamento de Nuugaatsiaq. Crédito:Nature Communications
Pesquisadores da Brown School of Engineering da Rice University estão usando dados coletados antes de um deslizamento mortal de 2017 na Groenlândia para mostrar como o aprendizado profundo pode um dia ajudar a prever eventos sísmicos como terremotos e erupções vulcânicas.
Os dados sísmicos coletados antes do enorme deslizamento de terra em um fiorde da Groenlândia mostram que os sinais sutis do evento iminente estavam lá, mas nenhum analista humano poderia ter reunido as pistas a tempo de fazer uma previsão. O tsunami resultante que devastou o vilarejo de Nuugaatsiaq matou quatro pessoas, feriu nove e levou 11 prédios ao mar.
Um estudo conduzido pelo ex-pesquisador visitante de Rice, Léonard Seydoux, agora professor assistente da Universidade de Grenoble-Alpes, emprega técnicas desenvolvidas pelos engenheiros e co-autores da Rice, Maarten de Hoop e Richard Baraniuk. Seu relatório de acesso aberto em Nature Communications mostra como os métodos de aprendizagem profunda podem processar a enorme quantidade de dados fornecidos por ferramentas sísmicas com rapidez suficiente para prever eventos.
De Hoop, que se especializou em análise matemática de problemas inversos e aprendizagem profunda em conexão com o Departamento da Terra de Rice, Ciências Ambientais e Planetárias, disse que os avanços em inteligência artificial (IA) são adequados para monitorar de forma independente grandes e crescentes quantidades de dados sísmicos. A IA tem a capacidade de identificar grupos de eventos e detectar ruídos de fundo para fazer conexões que os especialistas humanos podem não reconhecer devido a vieses em seus modelos, para não mencionar o grande volume, ele disse.
Horas antes do evento Nuugaatsiaq, esses pequenos sinais começaram a aparecer em dados coletados por uma estação sísmica próxima. Os pesquisadores analisaram os dados da meia-noite de 17 de junho, 2017, até um minuto antes do slide às 23h39. que liberou até 51 milhões de metros cúbicos de material.
O algoritmo de Rice revelou rumores fracos, mas repetitivos - indetectáveis em registros sísmicos brutos - que começaram cerca de nove horas antes do evento e aceleraram ao longo do tempo, levando ao deslizamento de terra.
"Houve um artigo precursor deste de nosso co-autor, Piero Poli em Grenoble, que estudou o evento sem IA, "De Hoop disse." Eles descobriram algo nos dados que pensaram que deveríamos olhar, e porque a área é isolada de muitos outros ruídos e atividades tectônicas, foram os dados mais puros com os quais poderíamos trabalhar para testar nossas ideias. "
Uma visão geral do U.S. Geological Survey mostra a localização do deslizamento de Nuugaatsiaq (estrela amarela) em relação a cinco estações sísmicas de banda larga (triângulos rosa) dentro de 500 km do deslizamento. Nuugaatsiaq (NUUG) foi impactado pelo tsunami resultante e atingiu uma altura de 300 pés no mar, embora fosse muito mais baixo antes de chegar à aldeia. A inserção mostra a geometria dos fiordes em relação ao deslizamento de terra e Nuugaatsiaq. Crédito:USGS
De Hoop continua testando o algoritmo para analisar a atividade vulcânica na Costa Rica e também está envolvido com a sonda InSight da NASA, que entregou um detector sísmico à superfície de Marte há quase dois anos.
O monitoramento constante que fornece esses avisos em tempo real salvará vidas, disse de Hoop.
"As pessoas me perguntam se este estudo é significativo - e sim, é um grande passo à frente - e se pudermos prever terremotos. Ainda não estamos prontos para fazer isso, mas esta direção é, Eu penso, um dos mais promissores do momento. "
Quando de Hoop se juntou ao Rice cinco anos atrás, ele trouxe experiência na resolução de problemas inversos que envolvem trabalhar retroativamente a partir dos dados para encontrar uma causa. Baraniuk é um dos maiores especialistas em aprendizado de máquina e detecção de compressão, que ajudam a extrair dados úteis de amostras esparsas. Juntos, eles são uma equipe formidável.
“O mais empolgante deste trabalho não é o resultado atual, mas o fato de que a abordagem representa uma nova direção de pesquisa para o aprendizado de máquina aplicado à geofísica, "Baraniuk disse.
"Venho da matemática da aprendizagem profunda e Rich vem do processamento de sinais, que estão em extremos opostos da disciplina, "De Hoop disse." Mas aqui nos encontramos no meio. E agora temos uma tremenda oportunidade para a Rice desenvolver sua experiência como um centro para os sismólogos reunirem e juntarem essas peças. Há tantos dados agora que está se tornando impossível manipulá-los de outra forma. "
De Hoop está ajudando a aumentar a reputação de Rice em perícia sísmica com a Simons Foundation Math + X Symposia, que já apresentou eventos sobre exploração espacial e mitigação de riscos naturais como vulcões e terremotos. Um terceiro evento, datas a serem anunciadas, estudará aplicações de aprendizagem profunda para gigantes solares e exoplanetas.
