Små skælvklynger kan ikke skjule sig for AI

Forskere ved Rice Universitets Brown School of Engineering bruger data indsamlet før et dødbringende 2017 jordskred i Grønland for at vise, hvor dyb læring en dag kan hjælpe med at forudsige seismiske begivenheder som jordskælv og vulkanudbrud.

Seismiske data indsamlet før det massive jordskred ved en grønlandsk fjord viser de subtile signaler om den forestående begivenhed, der var der, men ingen menneskelig analytiker kunne muligvis have samlet sporene i tide til at forudsige. Den resulterende tsunami, der ødelagde landsbyen Nuugaatsiaq, dræbte fire mennesker og sårede ni og skyllede 11 bygninger i havet.

En undersøgelse ledet af den tidligere besøgende forsker i ris, Léonard Seydoux, nu adjunkt ved universitetet i Grenoble-Alpes, anvender teknikker udviklet af Rice-ingeniører og medforfattere Maarten de Hoop og Richard Baraniuk. Deres open-access rapport i Naturkommunikation viser, hvordan dybe læringsmetoder hurtigt kan behandle den overvældende mængde data, der leveres af seismiske værktøjer til at forudsige begivenheder.

De Hoop, som har specialiseret sig i matematisk analyse af inverse problemer og dyb læring i forbindelse med Rices Department of Earth, Miljø- og planetariske videnskaber, nævnte fremskridt inden for kunstig intelligens (AI) er velegnede til uafhængigt at overvåge store og voksende mængder seismiske data. AI har evnen til at identificere klynger af begivenheder og opdage baggrundsstøj for at oprette forbindelser, som menneskelige eksperter muligvis ikke genkender på grund af skævheder i deres modeller, for ikke at tale om ren volumen, han sagde.

Timer før Nuugaatsiaq -arrangementet, disse små signaler begyndte at dukke op i data indsamlet af en seismisk station i nærheden. Forskerne analyserede data fra midnat den 17. juni, 2017, indtil et minut før rutsjebanen kl. 23:39 der frigav op til 51 millioner kubikmeter materiale.

Ris -algoritmen afslørede svage, men gentagne rumlen - uopdagelig i rå seismiske registreringer - der begyndte cirka ni timer før hændelsen og accelererede over tid, fører til jordskredet.

"Der var et forløberpapir til dette af vores medforfatter, Piero Poli i Grenoble, der studerede begivenheden uden AI, "sagde de Hoop." De opdagede noget i de data, de troede, vi skulle se på, og fordi området er isoleret fra en masse anden støj og tektonisk aktivitet, det var de reneste data, vi kunne arbejde med for at prøve vores ideer. "

De Hoop fortsætter med at teste algoritmen til at analysere vulkansk aktivitet i Costa Rica og er også involveret i NASAs InSight lander, som leverede en seismisk detektor til overfladen af ​​Mars for næsten to år siden.

Konstant overvågning, der leverer sådanne advarsler i realtid, vil redde liv, sagde de Hoop.

"Folk spørger mig, om denne undersøgelse er signifikant - og ja, det er et stort skridt fremad - og så hvis vi kan forudsige jordskælv. Det er vi ikke helt klar til, men denne retning er, Jeg tror, en af ​​de mest lovende i øjeblikket. "

Da de Hoop sluttede sig til Rice for fem år siden, han bragte ekspertise i at løse omvendte problemer, der involverer at arbejde baglæns fra data for at finde en årsag. Baraniuk er en førende ekspert inden for maskinlæring og komprimerende sansning, som hjælper med at udtrække nyttige data fra sparsomme prøver. Sammen, de er et formidabelt hold.

"Det mest spændende ved dette arbejde er ikke det nuværende resultat, men det faktum, at tilgangen repræsenterer en ny forskningsretning for maskinlæring som anvendt på geofysik, "Sagde Baraniuk.

"Jeg kommer fra matematik for dyb læring og Rich kommer fra signalbehandling, som er i hver sin ende af disciplinen, ”sagde de Hoop.” Men her mødes vi på midten. Og nu har vi en enorm mulighed for Rice at bygge videre på sin ekspertise som et knudepunkt for seismologer til at samle og sammensætte disse stykker. Der er bare så mange data nu, at det er ved at blive umuligt at håndtere andre måder. "

De Hoop hjælper med at vokse Rices ry for seismisk ekspertise med Simons Foundation Math+X Symposia, som allerede har vist begivenheder om rumforskning og afbødning af naturfarer som vulkaner og jordskælv. En tredje begivenhed, datoer, der annonceres, vil studere deep learning -applikationer til solkæmper og exoplaneter.