L’intelligenza artificiale sta cambiando la nostra comprensione dei terremoti

L’apprendimento automatico sta ampliando i cataloghi dei terremoti e perfezionando le mappe delle faglie sotterranee. E potrebbe anche migliorare le previsioni sismiche
di Alexandra Witze/Knowable Magazine
www.lescienze.it

Quando a luglio il più grande terremoto in più di un decennio ha scosso la remota penisola russa della Kamchatka, i sismologi di tutto il mondo lo hanno saputo in pochi istanti. Per i terremoti grandi o piccoli, i sensori di tutto il mondo rilevano le scosse e trasmettono le informazioni ai ricercatori, che analizzano rapidamente le osservazioni e lanciano gli allarmi.

Ora l’intelligenza artificiale è pronta a rendere molto più veloce quasi tutto ciò che riguarda la ricerca sui terremoti e a riscrivere la comprensione stessa dei ricercatori su come avvengono i terremoti.

Utilizzando un tipo d’intelligenza artificiale chiamato apprendimento automatico, alcuni scienziati stanno identificando fino a milioni di piccoli terremoti, precedentemente non visti, nei dati raccolti da luoghi sismicamente attivi. Queste banche dati nuove e migliorate stanno aiutando i ricercatori a comprendere meglio le faglie geologiche lungo le quali si verificano i terremoti e possono contribuire a illuminare i rischi di terremoti futuri. Alcuni scienziati stanno persino utilizzando l’apprendimento automatico per migliorare le previsioni sul numero di scosse di assestamento che potrebbero scuotere una località che ha appena subito un terremoto di grandi proporzioni e danni.

Più in generale, i ricercatori sperano che l’apprendimento automatico, con la sua capacità di scremare enormi quantità di informazioni e di imparare dagli schemi al suo interno, riveli nuove intuizioni su alcuni dei più grandi misteri dei terremoti, tra cui il modo in cui un sisma si sviluppa nei suoi primi devastanti secondi.

“L’apprendimento automatico ha aperto una finestra completamente nuova”, afferma Mostafa Mousavi, sismologo della Harvard University.

Terra che trema, dati che esplodono

I terremoti si verificano quando le sollecitazioni geologiche si accumulano nel terreno, per esempio quando due placche della crosta terrestre si sfregano l’una all’altra, come accade sulla faglia di San Andreas, in California. A un certo punto, lo stress raggiunge una soglia critica e la faglia si rompe, rompendo la roccia e generando un’energia sismica che si propaga verso l’esterno e scuote il terreno.

Questa energia viene registrata da sismometri e altri strumenti in tutto il mondo, posizionati in gran numero in aree geologicamente attive come la California e il Giappone. I dati confluiscono nei sistemi nazionali e internazionali di monitoraggio dei terremoti e di allerta a livello mondiale. La quantità di dati è esplosa negli ultimi anni, poiché i sismologi hanno trovato nuovi modi per raccogliere informazioni sui movimenti del terreno, come la rilevazione di segnali sismici attraverso reti in fibra ottica o l’utilizzo degli accelerometri integrati negli smartphone per creare una rete di allerta sismica basata sul telefono.

Solo uno o due decenni fa, gran parte dell’analisi dei segnali sismici veniva fatta a mano, con gli scienziati che lavoravano il più velocemente possibile per valutare le registrazioni che arrivavano dalle loro reti di osservazione. Ma oggi ci sono troppi dati.

“Ora l’unico modo – quasi – per gestire i dati sismici è passare all’elaborazione automatica”, afferma Mousavi, coautore di un articolo del 2023 sull’“Annual Review of Earth and Planetary Sciences” sull’apprendimento automatico in sismologia.

Uno degli usi più comuni dell’apprendimento automatico in sismologia è la misurazione del tempo di arrivo delle onde sismiche in un determinato punto, un processo noto come phase picking. I terremoti generano due tipi di onde sismiche, note come onde P e S, che colpiscono il terreno in modi diversi e si manifestano come diversi tipi di ghirigori su un sismogramma. In passato, i sismologi analizzavano i dati provenienti dai sensori sismici e selezionavano a mano ciò che ritenevano essere l’inizio delle onde P o S sui grafici dei sismogrammi. Individuare con precisione e accuratezza l’inizio di queste onde è importante per comprendere fattori come il luogo esatto in cui si è verificato il terremoto. Ma la selezione delle fasi richiede molto tempo.

Negli ultimi anni, i sismologi hanno utilizzato algoritmi di apprendimento automatico per individuare le fasi sismiche molto più velocemente di quanto possa fare un essere umano. Esistono diversi metodi automatizzati in grado di effettuare il phase picking, ma gli algoritmi di apprendimento automatico, che sono stati addestrati su enormi volumi di dati relativi a terremoti passati, possono identificare un’ampia varietà di segnali provenienti da diversi tipi di scosse in un modo che prima non era possibile. La pratica è ormai così standard che il termine “apprendimento automatico” non è più indicato nei titoli dei documenti di ricerca, sottolinea Mousavi. “Per default, tutti lo sanno.”

Il phase picking basato sull’intelligenza artificiale è più veloce di quello effettuato dagli esseri umani e almeno altrettanto accurato, afferma Mousavi. I sismologi stanno ora lavorando per estendere questi strumenti ad altri tipi di analisi sismica.

I cataloghi dei terremoti si ampliano

Un’area che ha già visto grandi scoperte è l’uso dell’apprendimento automatico per espandere i cataloghi dei terremoti – in pratica, gli elenchi dei terremoti avvenuti in una particolare regione. I cataloghi dei terremoti includono tutte le scosse che i sismologi possono identificare dai segnali registrati, ma l’intelligenza artificiale può trovare un numero di scosse esponenzialmente maggiore rispetto a quello degli scienziati umani.

In sostanza, l’apprendimento automatico è in grado di analizzare i dati per identificare i piccoli terremoti che le persone non hanno la capacità o il tempo di segnalare. “O non li si vede a occhio o non c’è tempo per andare a vedere tutti questi piccoli eventi”, spiega Leila Mizrahi, sismologa del Servizio sismologico svizzero dell’ETH di Zurigo. Spesso queste scosse sono oscurate dal rumore di fondo dei dati.

In uno studio pionieristico del 2019 pubblicato su “Science”, i ricercatori hanno utilizzato un algoritmo di intelligenza artificiale che ha confrontato gli schemi delle onde sismiche per identificare più di 1,5 milioni di piccoli terremoti che si sono verificati nella California meridionale tra il 2008 e il 2017 ma che non erano stati individuati prima. Si tratta di terremoti piccolissimi che la maggior parte delle persone non percepirebbe anche se ci si trovasse sopra. Ma sapere che esistono è importante per aiutare i sismologi a capire i modelli di comportamento lungo una faglia geologica.

In particolare, secondo Mousavi, i piccoli terremoti sono importanti per capire come nascono i terremoti più grandi. I grandi terremoti possono verificarsi lungo una particolare faglia una volta ogni secolo o più – un periodo di tempo troppo lungo per essere osservato dagli scienziati al fine di comprendere il processo di rottura. I piccoli terremoti hanno lo stesso comportamento di quelli grandi, ma si verificano molto più frequentemente. Per questo motivo, studiare lo schema delle piccole scosse nei nuovi cataloghi sismici ampliati potrebbe aiutare gli scienziati a capire meglio cosa fa scattare tutto. In questo modo, i cataloghi più ricchi “possono aiutarci a capire e a modellare meglio il rischio sismico”, spiega Mousavi.

I cataloghi dei terremoti ampliati possono anche illuminare la struttura delle faglie geologiche sotto una regione molto meglio di prima. È come passare da uno schizzo semplicistico di come sono disposte le faglie a un dipinto con dettagli più fotorealistici. Nel 2022, un gruppo guidato dal sismologo Yongsoo Park, allora alla Stanford University, ha utilizzato l’apprendimento automatico per costruire un catalogo ampliato di terremoti in Oklahoma e Kansas tra il 2010 e il 2019, molti dei quali indotti da compagnie petrolifere e del gas che iniettavano acque reflue nel terreno. Il lavoro ha illuminato strutture di faglia che prima non erano visibili, permettendo agli scienziati di mappare le faglie con maggiore precisione e di comprendere meglio il rischio sismico.