A equipe de pesquisa liderada pelo Prof. Zhang Jie da Universidade de Ciência e Tecnologia da China (USTC) da Academia Chinesa de Ciências fez progressos na determinação em tempo real dos mecanismos focais de terremotos por meio do aprendizado profundo. O trabalho foi publicado em Nature Communications .

Uma vez que existem conexões entre as características da superfície de ruptura da fonte de falha e a onda sísmica irradiada pela fonte, é vital monitorar o terremoto por determinação imediata do mecanismo focal de origem que é inferido de vários registros sísmicos terrestres.

Contudo, é difícil calcular o mecanismo a partir de registros simples. Os parâmetros sobre os mecanismos focais são meramente relatados ou relatados após alguns minutos ou mais.

Neste estudo, A equipe do Prof. Zhang aplicou uma nova rede neural convolucional para resolver este problema de forma eficaz, abrindo caminho para a aceleração da investigação de detalhes sobre terremotos.

A rede neural, denominado 'Focal Mechanism Network (FMNet), 'foi treinado pela primeira vez para estimar o mecanismo focal da fonte rapidamente usando formas de onda completas. Então, o modelo de rede neural foi treinado por um conjunto de dados abrangente, que modificou o sistema de relatórios. Depois do terremoto, os conjuntos de dados reais são introduzidos no sistema de treinamento, e os parâmetros estimados sobre a fonte do terremoto podem ser calculados dentro de um segundo com um requisito mínimo de recursos de computação e armazenamento de memória.

Um grande número de testes de dados práticos comprovou a eficácia do método.

Os resultados deste estudo estão agora sendo traduzidos em funções práticas e em breve serão colocados em operação experimental no sistema de monitoramento de terremoto de inteligência artificial de movimento do solo inteligente desenvolvido em conjunto pelo USTC e a Administração de Terremotos da China.