Las réplicas.
La destrucción que puede causar un terremoto de gran magnitud no siempre termina cuando deja de temblar el suelo. Muchos generan réplicas, temblores más leves que se producen horas o incluso días después, provocados por la reacción del terreno al primer sismo.
Estas réplicas pueden a veces causar más daños que el terremoto principal. Y aunque normalmente podemos predecir el tamaño de una réplica, no hemos sido tan buenos prediciendo su ubicación.
Ahora, esto podría cambiar. Investigadores de la Universidad de Harvard y de la división de IA de Google han creado una red neuronal capaz de evaluar la probabilidad de que una ubicación concreta sufra una réplica. ¿Lo mejor? Es más precisa que el mejor modelo existente.
Publicaron su estudio el miércoles en la revista Nature.
Apenas mejor que lanzar una moneda al aire.
La mejor herramienta que tenemos actualmente para predecir réplicas es un modelo conocido como cambio de tensión por fallo de Coulomb. Los investigadores pueden calcular la tensión geológica que un terremoto ejerce sobre la roca circundante y, después, usar el modelo para determinar la probabilidad de que una ubicación sufra una réplica.
Por desgracia, este modelo es solo ligeramente más preciso que lanzar una moneda al aire.
La IA al rescate.
Para predecir mejor la ubicación de las réplicas, el equipo recurrió a la IA.
En primer lugar, introdujeron datos de 131.000 terremotos principales y réplicas en una red neuronal, diseñada para generar una cuadrícula de celdas de 5 kilómetros por 5 kilómetros alrededor del lugar de cada terremoto principal. A continuación, introdujeron en la red neuronal datos que mostraban cómo el terremoto principal modificaba el nivel de tensión en el centro de cada celda circundante. La red neuronal predijo entonces la probabilidad de que cada celda fuera el lugar de una réplica.
Los investigadores probaron su red neuronal con 30.000 eventos de terremoto principal y réplica y comprobaron que podía predecir el lugar de las réplicas con mucha más precisión que el modelo utilizado anteriormente.
Más por venir.
Aunque las predicciones del algoritmo no son infalibles, los investigadores están satisfechos con su IA hasta ahora y piensan que sistemas aún más precisos podrían estar a la vuelta de la esquina.
“La predicción de réplicas, en particular, es un reto muy adecuado para el aprendizaje automático, porque son muchos los fenómenos físicos que podrían influir en el comportamiento de las réplicas, y el aprendizaje automático es extremadamente bueno para desentrañar esas relaciones”, señaló la investigadora Phoebe DeVries en declaraciones a Science Daily. “Creo que realmente solo hemos arañado la superficie de lo que se podría hacer con la predicción de réplicas… y eso es realmente emocionante.”
