Tecnologia Científica

Nova tecnologia de cientistas de Stanford detecta terremotos ocultos
Novos algoritmos que funcionam um pouco como a visão humana agora estão detectando esses micro-terremotos há muito ocultos na crescente montanha de dados sísmicos.
Por Josie Garthwaite - 23/10/2020

Medidas das vibrações da Terra ziguezagueavam pela tela de Mostafa Mousavi certa manhã em Memphis, Tennessee. Como parte de seus estudos de doutorado em geofísica, ele examinou sinais de terremoto registrados na noite anterior, verificando se algoritmos de décadas anteriores haviam detectado terremotos verdadeiros em vez de tremores gerado por coisas comuns, como ondas quebrando, caminhões que passam ou fãs de futebol pisoteando.

O terremoto Loma Prieta, que sacudiu severamente as regiões de São Francisco
e da Baía de Monterey em outubro de 1989, ocorreu principalmente em
uma falha até então desconhecida.
(Crédito da imagem: JK Nakata, USGS)

“Eu fiz todo esse trabalho tedioso por seis meses, olhando para dados contínuos” , lembrou recentemente Mousavi, agora um cientista pesquisador da Escola de Ciências da Terra, Energia e Ambientais de Stanford (Stanford Earth). “Foi aí que pensei: 'Deve haver uma maneira muito melhor de fazer essas coisas.'”

Isso foi em 2013. Os smartphones portáteis já vinham carregados com algoritmos que podiam dividir a fala em ondas sonoras e gerar as palavras mais prováveis ​​nesses padrões. Usando inteligência artificial, eles podem até aprender com gravações anteriores para se tornarem mais precisos com o tempo.

Ondas sísmicas e ondas sonoras não são tão diferentes. Um se move através da rocha e fluido, o outro através do ar. No entanto, embora o aprendizado de máquina tenha transformado a maneira como os computadores pessoais processam e interagem com voz e som, os algoritmos usados ​​para detectar terremotos em fluxos de dados sísmicos praticamente não mudaram desde a década de 1980.

Isso deixou muitos terremotos não detectados.

Grandes terremotos são difíceis de perder, mas são raros. Enquanto isso, terremotos imperceptivelmente pequenos acontecem o tempo todo. Ocorrendo nas mesmas falhas que terremotos maiores - e envolvendo a mesma física e os mesmos mecanismos - esses “micro-terremotos” representam um cache de informações inexploradas sobre como os terremotos evoluem - mas apenas se os cientistas puderem encontrá-los.

Em um artigo recente publicado na Nature Communications , Mousavi e co-autores descrevem um novo método para usar a inteligência artificial para colocar em foco milhões dessas mudanças sutis da Terra. “Ao melhorar nossa capacidade de detectar e localizar esses terremotos muito pequenos, podemos ter uma visão mais clara de como os terremotos interagem ou se espalham ao longo da falha, como eles começam, até mesmo como param”, disse o geofísico de Stanford Gregory Beroza, um dos os autores do artigo.

Focando no que importa

Mousavi começou a trabalhar em tecnologia para automatizar a detecção de terremotos logo após sua passagem pelo exame de sismogramas diários em Memphis, mas seus modelos lutaram para desligar o ruído inerente aos dados sísmicos. Alguns anos depois, após ingressar no laboratório de Beroza em Stanford em 2017, ele começou a pensar em como resolver esse problema usando o aprendizado de máquina.

O grupo produziu uma série de detectores cada vez mais poderosos. Um modelo de 2018 chamado PhaseNet, desenvolvido por Beroza e o estudante de graduação Weiqiang Zhu, adaptou algoritmos de processamento de imagens médicas para se destacar na seleção de fases, que envolve a identificação do início preciso de dois tipos diferentes de ondas sísmicas. Outro modelo de aprendizado de máquina, lançado em 2019 e apelidado de CRED , foi inspirado em algoritmos de acionamento de voz em sistemas de assistente virtual e provou ser eficaz na detecção. Ambos os modelos aprenderam os padrões fundamentais de sequências de terremotos de um conjunto relativamente pequeno de sismogramas registrados apenas no norte da Califórnia.

No artigo da Nature Communications , os autores relatam que desenvolveram um novo modelo para detectar terremotos muito pequenos com sinais fracos que os métodos atuais geralmente ignoram, e para escolher o tempo preciso das fases sísmicas usando dados de terremotos de todo o mundo. Eles o chamam de Transformador de Terremoto.

De acordo com Mousavi, o modelo baseia-se no PhaseNet e no CRED e “incorpora os insights que recebi quando estava fazendo tudo isso manualmente”. Especificamente, Earthquake Transformer imita a maneira como os analistas humanos olham para o conjunto de wiggles como um todo e, em seguida, focam em uma pequena seção de interesse.

As pessoas fazem isso intuitivamente na vida diária - desligando-se de detalhes menos importantes para se concentrar mais intensamente no que é importante. Os cientistas da computação o chamam de “mecanismo de atenção” e frequentemente o usam para melhorar as traduções de textos. Mas é novo no campo da detecção automática de terremotos, disse Mousavi. “Imagino que esta nova geração de detectores e selecionadores de fase será a norma para monitoramento de terremotos nos próximos um ou dois anos”, disse ele.

A tecnologia pode permitir que os analistas se concentrem em extrair ideias de um catálogo mais completo de terremotos, liberando seu tempo para pensar mais sobre o que significa o padrão dos terremotos, disse Beroza, o professor Wayne Loel de Ciências da Terra em Stanford Earth.

Falhas escondidas

Compreender os padrões de acúmulo de pequenos tremores ao longo de décadas ou séculos pode ser a chave para minimizar surpresas - e danos - quando um terremoto maior ocorrer.

O terremoto Loma Prieta de 1989 foi classificado como um dos desastres terremotos mais destrutivos da história dos Estados Unidos e um dos maiores a atingir o norte da Califórnia no século passado. É uma distinção que fala menos ao poder extraordinário no caso de Loma Prieta do que às lacunas na preparação para terremotos, mapeamento de perigos e códigos de construção - e à extrema raridade de grandes terremotos.

Apenas cerca de um em cada cinco dos cerca de 500.000 terremotos detectados globalmente por sensores sísmicos a cada ano produzem tremores fortes o suficiente para que as pessoas percebam. Em um ano normal, talvez 100 terremotos causem danos.

No final da década de 1980, os computadores já estavam trabalhando na análise de dados sísmicos registrados digitalmente e determinaram a ocorrência e localização de terremotos como o Loma Prieta em poucos minutos. Limitações nos computadores e nos dados da forma de onda, no entanto, deixaram muitos pequenos terremotos não detectados e muitos terremotos maiores medidos apenas parcialmente.

Depois da dura lição de Loma Prieta, muitas comunidades da Califórnia passaram a confiar em mapas que mostram as zonas de falha e as áreas onde os terremotos podem causar mais danos. Desenvolver o registro de terremotos anteriores com o Earthquake Transformer e outras ferramentas pode tornar esses mapas mais precisos e ajudar a revelar falhas que poderiam vir à luz apenas na esteira da destruição de um terremoto maior, como aconteceu com Loma Prieta em 1989, e com o terremoto de magnitude 6,7 em Northridge em Los Angeles cinco anos depois.

“Quanto mais informações pudermos obter sobre a estrutura de falha tridimensional profunda por meio do monitoramento aprimorado de pequenos terremotos, melhor poderemos prever os terremotos que estão à espreita no futuro”, disse Beroza.

Transformador de terremoto

Para determinar a localização e magnitude de um terremoto, algoritmos existentes e especialistas humanos procuram o tempo de chegada de dois tipos de ondas. O primeiro conjunto, conhecido como ondas primárias ou P, avança rapidamente - empurrando, puxando e comprimindo o solo como um Slinky conforme se movem por ele. Em seguida, vêm as ondas de cisalhamento ou S, que viajam mais lentamente, mas podem ser mais destrutivas, pois movem o lado da Terra para os lados ou para cima e para baixo.

Para testar o Earthquake Transformer, a equipe queria ver como ele funcionava com terremotos não incluídos nos dados de treinamento usados ​​para ensinar aos algoritmos como é um verdadeiro terremoto e suas fases sísmicas. Os dados de treinamento incluíram um milhão de sismogramas marcados à mão registrados principalmente nas últimas duas décadas, onde terremotos acontecem em todo o mundo, exceto o Japão. Para o teste, eles selecionaram cinco semanas de dados contínuos registrados na região do Japão abalada 20 anos atrás pelo terremoto Tottori de magnitude 6,6 e seus tremores secundários.

O modelo detectou e localizou 21.092 eventos - mais de duas vezes e meia o número de terremotos detectados manualmente, usando dados de apenas 18 das 57 estações que os cientistas japoneses usaram originalmente para estudar a sequência. O Transformador de terremoto provou ser particularmente eficaz para minúsculos terremotos que são mais difíceis de serem detectados pelos humanos e registrados em números esmagadores conforme os sensores sísmicos se multiplicam.

“Anteriormente, as pessoas projetavam algoritmos para dizer, encontre a onda P. Esse é um problema relativamente simples ”, explicou o co-autor William Ellsworth, um professor pesquisador em geofísica em Stanford. Localizar o início da onda S é mais difícil, disse ele, porque ela emerge dos últimos suspiros erráticos das ondas P que se movem rapidamente. Outros algoritmos foram capazes de produzir catálogos de terremotos extremamente detalhados , incluindo um grande número de pequenos terremotos perdidos por analistas - mas seus algoritmos de correspondência de padrões funcionam apenas na região que fornece os dados de treinamento.

Com o Earthquake Transformer sendo executado em um computador simples, a análise que normalmente levaria meses de trabalho especializado foi concluída em 20 minutos. Essa velocidade é possibilitada por algoritmos que buscam a existência de um terremoto e o tempo das fases sísmicas em tandem, usando informações coletadas de cada pesquisa para estreitar a solução para as outras.

“O Earthquake Transformer obtém muito mais terremotos do que outros métodos, sejam pessoas sentadas e tentando analisar as coisas olhando para as formas de onda ou métodos de computador mais antigos”, disse Ellsworth. “Estamos analisando com muito mais profundidade o processo de terremotos e fazendo isso de maneira mais eficiente e precisa”.

Os pesquisadores treinaram e testaram o Earthquake Transformer em dados históricos, mas a tecnologia está pronta para sinalizar pequenos terremotos quase assim que eles acontecem. De acordo com Beroza, “o monitoramento de terremotos usando aprendizado de máquina quase em tempo real estará disponível em breve”.

 

.
.

Leia mais a seguir