Todos conocemos de lo que es capaz un terremoto, incluso las réplicas del mismo también pueden causar graves estragos.
Estos temblores posteriores pueden durar semanas y meses, y aunque los científicos han desarrollado modelos para tratar de detectar su tamaño y momento, es más difícil determinar dónde afectarán estas réplicas.
En un estudio publicado en Nature por un equipo de Google y Harvard, se utilizó el aprendizaje profundo para ayudar a predecir dónde podrían golpear estas réplicas.
Los investigadores formaron una red neuronal en más de 131.000 pares de réplicas principales y luego seleccionaron 30.000 pares no relacionados para una prueba.
En su prueba, descubrieron que el sistema de inteligencia artificial era más confiable para detectar las ubicaciones de las réplicas que un modelo de predicción ampliamente utilizado, conocido como el cambio de estrés por falla de Coulomb.
La red también presentó una métrica de predicción efectiva que no había sido popular en la ciencia de los terremotos, sino en la metalurgia o el estudio de los metales.
“Hay tres cosas que quieres saber sobre los terremotos: quieres saber cuándo van a ocurrir, cuán grandes serán y dónde van a estar”, Brendan Meade, profesor de Planetario y Tierra de Harvard. Ciencias, le dijo a ScienceDaily.
“Antes de este trabajo teníamos leyes empíricas sobre cuándo ocurrirían y qué tan grandes iban a ser, y ahora estamos trabajando en la tercera etapa, donde podrían ocurrir”.
A Meade se le ocurrió la idea de usar redes neuronales artificialmente inteligentes en réplicas hace algunos años. Su siguiente paso es intentar predecir la magnitud de los terremotos con la ayuda de la inteligencia artificial (AI).
“Estoy muy entusiasmado con el potencial del aprendizaje automático para seguir adelante con este tipo de problemas: es un problema muy importante”, dijo Phoebe DeVries, coautora del estudio, a ScienceDaily.
“La predicción de Aftershock en particular es un desafío que se adapta bien al aprendizaje automático porque hay muchos fenómenos físicos que podrían influir en el comportamiento de las réplicas y el aprendizaje automático es extremadamente bueno para desentrañar esas relaciones. Creo que realmente hemos arañado la superficie de qué se puede hacer con la predicción de réplicas… y eso es realmente emocionante”.
No obstante, el sistema todavía es impreciso y, por lo tanto, está muy lejos de ser utilizado oficialmente, sin duda es un comienzo prometedor.
Soy estudiante de economía UCV y me encuentro en una constante búsqueda de nuevos conocimientos. Sapere Aude
