Algorytm uczenia maszynowego przewiduje laboratoryjne trzęsienia ziemi

Trzęsienia ziemi zbierają straszliwe żniwo wśród ludzi. Każdego roku w trzęsieniach ziemi i ich następstwach ginie około 10 000 osób, ale liczba ofiar może być znacznie wyższa. Ponad 230 000 ludzi zginęło w tsunami, które nastąpiło po trzęsieniu o sile 9 u wybrzeży Sumatry w 2004 roku; ponad 200 000 zginęło na Haiti w 2010 roku po tym, jak kraj został dotknięty trzęsieniem o sile 7; Uważa się, że ponad 800 000 zginęło w trzęsieniu ziemi w Chinach w 1556 roku.

Zatem lepszy sposób — w jakikolwiek sposób — przewidywania trzęsień byłby niezwykle cenny.

Wejdź do Bertranda Rouet-Leduca z Los Alamos National Laboratory w Nowym Meksyku i kilku kumpli, którzy dokonali niezwykłego odkrycia. Wytrenowali algorytm uczenia maszynowego, aby wykrywać charakterystyczne oznaki, że laboratoryjne trzęsienie ziemi ma ustąpić, używając tylko dźwięków, które emituje pod wpływem obciążenia. Zespół ostrożnie podchodzi do użyteczności nowej techniki w przypadku prawdziwych trzęsień ziemi, ale prace otwierają nowe możliwości badań w tej dziedzinie.

Najpierw trochę tła. Geolodzy od dawna potrafią określić przybliżone ryzyko trzęsienia ziemi. Ich podejście polega na ustaleniu, kiedy usterka przeniosła się w przeszłość i wykorzystaniu dowolnej okresowości do przewidywania przyszłości.

Najsłynniejszy przykład dotyczy odcinka Parkfield uskoku San Andreas w Kalifornii, jednego z najdokładniej zbadanych uskoków na świecie. Trzęsienia ziemi miały tu miejsce w latach 1857, 1881, 1901, 1922, 1934 i 1966, co sugeruje, że trzęsienia występują co 22 lata, co daje lub trwa kilka lat. Geolodzy przewidzieli zatem, że trzęsienie ziemi nastąpi między 1988 a 1993 rokiem, ale na swój wstrząs musieli poczekać do 2004 roku.

I to mniej więcej tak dobrze, jak prognozy trzęsień ziemi — w większości innych miejsc słupki błędów są o rząd wielkości większe.

Takie prognozy są przydatne do egzekwowania takich rzeczy, jak standardy budowlane w regionach, o których wiadomo, że są podatne na trzęsienia ziemi. Ale są one mało przydatne w zapobieganiu zgonom podczas trzęsień. W tym celu potrzebne są prognozy w rozpiętościach czasowych mierzonych w dniach. Niewiele jest dowodów na to, że tego rodzaju przewidywania będą kiedykolwiek możliwe, chociaż istnieje wiele anegdotycznych dowodów sugerujących, że zwierzęta mogą w jakiś sposób wyczuć rychły początek trzęsienia.

Praca Rouet-Leduc i spółki może to zmienić. W swoim laboratorium stworzyli sztuczne trzęsienia ziemi, ciągnąc jeden blok umieszczony między dwoma innymi. Na styku bloków umieścili mieszankę materiału skalnego, zwanego materiałem żłobionym, aby symulować właściwości rzeczywistych uskoków.

Ten rodzaj sztucznego systemu wstrząsów został dobrze zbadany. Geolodzy wiedzą, że gdy zbliża się trzęsienie, materiał żłobiony zaczyna zawodzić, emitując jęki i pęknięcia podczas ścinania — rodzaj sejsmicznej paplaniny. Następnie blok ześlizguje się quasi-okresowo.

Ten system ma pewne podobieństwa z prawdziwymi trzęsieniami ziemi. Na przykład rozkład wielkości poślizgów jest taki sam, jak rozkład wielkości rzeczywistych trzęsień ziemi. Generuje wiele małych poślizgów i tylko kilka dużych — rozkład zgodny z dobrze znaną relacją Gutenberga-Richtera, tak jak w przypadku prawdziwych trzęsień ziemi. Geolodzy są więc pewni, że ten system naśladuje przynajmniej niektóre zachowania obserwowane w prawdziwym świecie.

Pytanie, które ci faceci zadają, brzmi, czy dźwięk emitowany przez usterkę można wykorzystać do przewidzenia czasu następnego poślizgu. Do tej pory nikt nie dostrzegł w tych dźwiękach wzoru, który mógłby posłużyć do dokonania takiej prognozy. Ale Rouet-Leduc i spółka przyjęli nowe podejście.

Zarejestrowali emisje akustyczne z eksperymentu i wprowadzili je do algorytmu uczenia maszynowego. Pomysł polegał na sprawdzeniu, czy maszyna może rozszyfrować jakiś wzór, którego geolodzy do tej pory przegapili. I rzeczywiście tak się stało.

Wyniki są zaskoczeniem. Naukowcy wprowadzili do algorytmu przesuwane okno emisji akustycznej, prosząc go o przewidywanie w każdym momencie prawdopodobieństwa trzęsienia ziemi. Ku ich zdumieniu maszyna podała dokładne prognozy nawet wtedy, gdy trzęsienie ziemi nie było nieuchronne. Pokazujemy, że słuchając sygnału akustycznego emitowanego przez usterkę laboratoryjną, uczenie maszynowe może z dużą dokładnością przewidzieć czas pozostały do ​​awarii.

Zagadką jest, jak maszyna może to zrobić. Rouet-Leduc i wsp. stawiają hipotezę, że prekursory sejsmiczne mogą być znacznie mniejsze niż wcześniej sądzono, a zatem nie są zwykle rejestrowane w świecie rzeczywistym. Wygląda na to, że maszyna zauważyła zupełnie nowy sygnał, który geolodzy wcześniej odrzucili jako hałas w trzęsieniach laboratoryjnych. Mówią, że nasza analiza uczenia maszynowego zapewnia nowy wgląd w fizykę poślizgu.

To fascynująca praca, która ma znaczące implikacje. Pierwszym i najbardziej oczywistym pytaniem, jakie stawia, jest to, czy ta sama technika może dokładnie przewidzieć rzeczywiste trzęsienia ziemi.

Rouet-Leduc i spółka są w tym względzie ostrożni. Wskazują, że eksperyment laboratoryjny różni się pod wieloma ważnymi względami od rzeczywistych wstrząsów. Naprężenia ścinające są o rzędy wielkości większe niż w rzeczywistych trzęsieniach, a temperatury skał również są inne.

Są jednak inne sposoby, w jakie trzęsienia w laboratoriach są podobne do tych na Ziemi. Więc następnym celem zespołu jest zastosowanie tego samego rodzaju analizy do rzeczywistych trzęsień, które najbardziej przypominają te laboratoryjne. Jednym z takich jest Parkfield, który doświadcza wielu powtarzających się trzęsień ziemi w stosunkowo krótkich okresach. Sugerują, że przekaźniki w tych miejscach z usterkami mogą emitować terkotanie w sposób analogiczny do laboratorium.

Wielkim testem będzie oczywiście dokładne przewidzenie trzęsienia ziemi. To trudne zadanie, które będzie wymagało uważnej obserwacji przez wiele lat.

W międzyczasie tę samą technikę można zastosować do przewidywania podobnych do trzęsień ziemi awarii innych materiałów, takich jak turbiny w samolotach i elektrownie.

Jednak nowa technika została zastosowana, Rouet-Leduc i spółka umieścili kota wśród gołębi w świecie geologii. Jak podsumowują: Scena została przygotowana dla potencjalnie znaczących postępów w nauce o trzęsieniach ziemi.

Nr ref.: arxiv.org/abs/1702.05774 : Uczenie maszynowe przewiduje laboratoryjne trzęsienia ziemi

ukryć