Onderzoekers van de Brown School of Engineering van Rice University gebruiken gegevens die zijn verzameld vóór een dodelijke aardverschuiving in 2017 in Groenland om te laten zien hoe diep leren ooit kan helpen bij het voorspellen van seismische gebeurtenissen zoals aardbevingen en vulkaanuitbarstingen.

Seismische gegevens verzameld vóór de enorme aardverschuiving in een Groenlandse fjord laten zien dat de subtiele signalen van de naderende gebeurtenis er waren, maar geen enkele menselijke analist had de aanwijzingen op tijd kunnen verzamelen om een ​​voorspelling te doen. De resulterende tsunami die het dorp Nuugaatsiaq verwoestte, kostte vier mensen het leven en verwondde negen en spoelde elf gebouwen in zee.

Een studie onder leiding van voormalig Rice gastonderzoeker Léonard Seydoux, nu een assistent-professor aan de Universiteit van Grenoble-Alpes, maakt gebruik van technieken die zijn ontwikkeld door Rice-ingenieurs en co-auteurs Maarten de Hoop en Richard Baraniuk. Hun open-access rapport in Natuurcommunicatie laat zien hoe deep learning-methoden de overweldigende hoeveelheid gegevens van seismische tools snel genoeg kunnen verwerken om gebeurtenissen te voorspellen.

de Hoop, die gespecialiseerd is in wiskundige analyse van inverse problemen en diep leren in verband met Rice's Department of Earth, Milieu- en planetaire wetenschappen, De vooruitgang op het gebied van kunstmatige intelligentie (AI) is zeer geschikt om grote en groeiende hoeveelheden seismische gegevens onafhankelijk te monitoren. AI kan clusters van gebeurtenissen identificeren en achtergrondgeluiden detecteren om verbanden te leggen die menselijke experts misschien niet herkennen vanwege vooroordelen in hun modellen, om nog maar te zwijgen van het enorme volume, hij zei.

Uren voor het Nuugaatsiaq-evenement, die kleine signalen begonnen te verschijnen in gegevens verzameld door een nabijgelegen seismisch station. De onderzoekers analyseerden gegevens van 17 juni middernacht, 2017, tot een minuut voor de glijbaan om 23:39 uur. waarbij tot 51 miljoen kubieke meter materiaal vrijkwam.

Het Rice-algoritme onthulde zwakke maar repetitieve gerommel - niet op te sporen in ruwe seismische gegevens - die ongeveer negen uur voor de gebeurtenis begon en in de loop van de tijd versnelde, die naar de aardverschuiving leidt.

"Er was een voorloper van deze door onze co-auteur, Piero Poli in Grenoble, die het evenement bestudeerde zonder AI, zei de Hoop. "Ze ontdekten iets in de gegevens waarvan ze dachten dat we ze moesten bekijken, en omdat het gebied geïsoleerd is van veel ander lawaai en tektonische activiteit, het waren de zuiverste gegevens waarmee we konden werken om onze ideeën uit te proberen."

De Hoop blijft het algoritme testen om vulkanische activiteit in Costa Rica te analyseren en is ook betrokken bij NASA's InSight-lander, die bijna twee jaar geleden een seismische detector naar het oppervlak van Mars bracht.

Constante monitoring die dergelijke waarschuwingen in realtime geeft, zal levens redden, zei de Hoop.

"Mensen vragen me of deze studie significant is - en ja, het is een grote stap voorwaarts - en dan als we aardbevingen kunnen voorspellen. Daar zijn we nog niet helemaal klaar voor, maar deze richting is I denk, een van de meest veelbelovende op dit moment."

Toen De Hoop vijf jaar geleden bij Rice kwam, hij bracht expertise mee in het oplossen van inverse problemen waarbij achteruit moet worden gewerkt vanuit gegevens om een ​​oorzaak te vinden. Baraniuk is een toonaangevende expert op het gebied van machine learning en compressieve detectie, die helpen bij het extraheren van bruikbare gegevens uit schaarse steekproeven. Samen, ze zijn een formidabel team.

"Het meest opwindende aan dit werk is niet het huidige resultaat, maar het feit dat de benadering een nieuwe onderzoeksrichting vertegenwoordigt voor machinaal leren zoals toegepast op geofysica, ' zei Baraniuk.

"Ik kom uit de wiskunde van diep leren en Rich komt uit signaalverwerking, die zich aan weerszijden van de discipline bevinden, ' zei de Hoop. 'Maar hier ontmoeten we elkaar in het midden. En nu hebben we een geweldige kans voor Rice om voort te bouwen op zijn expertise als een hub voor seismologen om deze stukken te verzamelen en in elkaar te zetten. Er zijn nu zoveel gegevens dat het onmogelijk wordt om op een andere manier om te gaan."

De Hoop helpt de reputatie van Rice op het gebied van seismische expertise te vergroten met de Simons Foundation Math+X Symposia, die al evenementen hebben gekenmerkt over ruimteverkenning en het verminderen van natuurlijke gevaren zoals vulkanen en aardbevingen. Een derde evenement, data bekend te maken, zal deep learning-toepassingen voor zonnereuzen en exoplaneten bestuderen.