System wczesnego ostrzegania o trzęsieniu ziemi wykorzystuje sztuczną inteligencję do przewidywania wstrząsów

System wczesnego ostrzegania przed trzęsieniami ziemi, który wykorzystuje sztuczną inteligencję (AI) do przewidywania, jak ziemia będzie się poruszać podczas trzęsienia ziemi, może z kilkusekundowym wyprzedzeniem powiadomić o nadchodzącym wstrząsie.

Podobny system, który wykorzystuje bardziej tradycyjną moc obliczeniową, istnieje już na zachodnim wybrzeżu Stanów Zjednoczonych. Nazywa się ShakeAlert i działa poprzez wykrywanie pierwszych fal sejsmicznych związanych z trzęsieniem ziemi – zwanych falami P [ang. P waves] – a następnie obliczanie, kiedy nadejdzie kolejna fal, które powodują większość wstrząsów – wolniej poruszające się fale S [ang. S waves].

Nowy, opracowywany system nosi nazwę DeepShake i ma również zapewnić kilkusekundowe ostrzeżenie o zbliżającym się wstrząsie po rozpoczęciu trzęsienia ziemi. Jednak DeepShake wykorzystuje głęboką sieć neuronową, rodzaj uczenia się sztucznej inteligencji, do identyfikowania wzorców z przeszłych trzęsień ziemi, aby przewidzieć, gdzie i jak będą rozchodzić się wstrząsy. Może to prowadzić do szybszego przetwarzania i łatwiejszego uogólniania w różnych regionach podatnych na trzęsienia ziemi.

„Kiedy rozpoczynaliśmy ten projekt, naszym celem było pokonanie równań przewidujących ruch gruntu, które są obecnie używane” do programowania systemów ostrzegania o wstrząsach, powiedział Avoy Datta, magistrant elektrotechniki na Uniwersytecie Stanforda, który był częścią zespołu, który opracował DeepShake. „Zwykle są bardzo powolne. Potrzebujesz solver’ów [urządzenie do rozwiązywania matematycznych problemów] działających na superkomputerach, a obliczenia i tak mogą zająć minuty i godziny”.

Dla kontrastu: „Jeśli uruchomimy 25 obliczeń DeepShake, pojedynczy GPU [procesor graficzny] dokonuje obliczeń w około 6,1 milisekundy” – powiedział Datta. „To działa błyskawicznie”.

Przewidywanie drżenia

W prezentacji 23 kwietnia na wirtualnym spotkaniu Amerykańskiego Towarzystwa Sejsmologicznego Datta i jego kolega, student Uniwersytetu Stanforda, Daniel Wu, przedstawili swoje wyniki po przeszkoleniu DeepShake do przewidywania ruchu ziemi w pobliżu Ridgecrest w Kalifornii. Ridgecrest znajduje się w aktywnej sejsmicznie w wschodniej Kalifornii, a w 2019 roku sekwencja trzęsień ziemi wstrząsnęła regionem. Najsilniejsze trzęsienie ziemi o sile 7,1 w skali Richtera miało miejsce 5 lipca.

Datta, Wu i ich koledzy wykorzystali tę sekwencję trzęsień ziemi, aby wytrenować DeepShake do przewidywania wstrząsów ziemi w okolicy. Zaczęli od zbioru danych obejmującego ponad 36000 trzęsień, które nawiedziły Ridgecrest od lipca do września 2019 r. (większość była dość niewielka). Wprowadzili 80% zbioru danych do głębokiej sieci neuronowej, 10% zbioru danych wykorzystali na dostosowywanie parametrów sieci i ostatnie 10% na testowanie, czy wyniki sieci odpowiadają rzeczywistości.

Naukowcy zaprogramowali sieć tak, aby przypisywać większą wagę silniejszym trzęsieniom ziemi w sekwencji – których było stosunkowo niewiele – aby system mógł lepiej działać jako system wczesnego ostrzegania – przed najsilniejszymi trzęsieniami, ludzie najbardziej potrzebują ostrzeżenia.

Ostrzeżenia

Pomimo faktu, że DeepShake nie otrzymał żadnych informacji o lokalizacji ani rodzaju trzęsienia ziemi, był w stanie ostrzec o wstrząsach na innych stacjach sejsmicznych w sieci między 3 a 13 sekund przed wystąpieniem wstrząsów, powiedział Wu. Jest to podobny przedział czasu do ostrzeżeń pochodzących z systemu ShakeAlert ale Wu i Datta nie postrzegają jednak tego innego systemu jako konkurenta. Powiedzieli raczej, że technologia DeepShake może zostać wykorzystana do uzupełnienia ShakeAlert. Naukowcy mają nadzieję rozszerzyć testy na inne sekwencje trzęsień ziemi.

Przewidzenie wstrząsów w dowolnym miejscu może być trudne. Na przykład ShakeAlert nie wysłał ostrzeżeń podczas największych wstrząsów w Ridgecrest w 2019 r., ponieważ spodziewano się, że wstrząsy nie osiągną progu „lekkich wstrząsów” w niektórych obszarach, w których rzeczywiście wystąpiły lekkie wstrząsy. Twórcy ShakeAlert wprowadzili w systemie zmiany w 2019 roku, aby uwzględnić te wyciągnięte wnioski. Zaletą sieci głębokiego uczenia jest jednak to, że automatycznie uwzględniają one “dziwactwa miejsc”, ponieważ sieci korzystają z danych z wcześniejszych trzęsień ziemi w danej lokalizacji, powiedział Wu. W przeciwieństwie do ShakeAlert, który używa bardziej uniwersalnych równań z wbudowanymi założeniami, DeepShake musiałby zostać ponownie “przeszkolony” w każdym regionie, w którym byłby używany. Przeszkolenie pozwoliłoby jednak uchwycić wzorce, których tradycyjne równania mogą nie wychwycić.

„Miejsca, w których głębokie uczenie się rozwija, to miejsca, w których jest mnóstwo danych i wiele skomplikowanych wzorców do odkrycia” – powiedział Wu.

 

Źródło: Stephanie Pappas / livescience.com

Zdjęcie: Robyn Beck/AFP via Getty Images

Subscribe
Powiadom o
guest
0 komentarzy
Inline Feedbacks
View all comments
0
Would love your thoughts, please comment.x
()
x