La emisión acústica fue ingresada en un modelo para predecir el estado actual de la falla.
Un mecanismo de inteligencia artificial basado en el procesamiento del lenguaje natural utilizado en programas de traducción o en el autocompletado de texto en teléfonos inteligente, ha demostrado ser capaz de predecir la futura fricción de fallas geológicas y, por ende, de ocurrencia de terremotos, según diversas pruebas de laboratorio.
“En pocas palabras, pudimos predecir futuras fricciones. Esto nunca se había logrado, y nos abre un camino muy promisorio para el pronóstico a corto plazo de terremotos en la Tierra”, dijo Chris Johnson, coautor principal de un artículo sobre el hallazgo publicado en la revista especializada Geophysical Research Letters.
Por su parte, Paul Johnson, autor principal del escrito y científico Laboratorio Nacional de Los Álamos, explica que “las señales acústicas emitidas por la falla en el laboratorio nos proporcionaron información valiosa sobre la física del sistema a lo largo de todo el ciclo del terremoto y más allá”.
Johnson también detalló que “el modelo de aprendizaje profundo que utilizamos es similar a un modelo de traducción de idiomas, como Google Traductor, que usa una librería de códigos para traducir una oración a un idioma diferente”.
“El sistema se alimenta de datos relacionados con lo que sucede en el momento y proyecta lo que sucederá a continuación en la falla”, añadió el físico.
De hecho, en un trabajo de laboratorio anterior, los investigadores utilizaron las características estadísticas de la señal sísmica continua emitida por la falla para predecir la evolución instantánea, pero no futura, de la fricción, así como el desplazamiento y el momento del próximo terremoto.
En ese trabajo anterior, la emisión acústica fue ingresada en un modelo para predecir el estado actual de la falla. Esa predicción incluye una estimación de cuenta regresiva, o tiempo hasta que se active de nuevo, lo que no es una predicción futura sino una descripción del estado actual del sistema.
“Lo que estamos haciendo ahora es una predicción a partir de datos del pasado, lo cual va más allá una descripción del estado actual de la falla. El modelo está aprendiendo a través de las ondas para predecir la futura fricción y para indicarnos cuándo ocurrirá el próximo evento de deslizamiento usando solo información pasada”, afirma Johnson.
Para él, el siguiente desafío es ver si él y su equipo pueden aplicar el mismo método en un entorno real. “Esto es una incógnita, porque en el terreno real no poseemos los grandes conjuntos de datos para el entrenamiento de la inteligencia que manejamos en el laboratorio”, comenta el investigador.
El modelo podría aplicarse a otras disciplinas, como las pruebas de materiales no destructivos, donde podría proporcionar información sobre daños progresivos e inminentes estructuras como puentes o carreteras.
