L’intelligenza artificiale aiuta la previsione della pericolosità dei terremoti: sviluppato un software di apprendimento automatico

Utilizzando il supercomputer Frontera presso il Texas Advanced Computing Center, è stato sviluppato un modello di apprendimento automatico in grado di prevedere la pericolosità del terremoto

MeteoWeb

Sulla base dell’analisi dei dati relativi al terremoto di magnitudo 6.3, avvenuto nel 2011 a Christchurch, in Nuova Zelanda, è stato sviluppato un modello di apprendimento automatico in grado di prevedere la pericolosita’ del terremoto. Secondo lo studio, condotto dagli scienziati dell’Universita’ del Texas ad Austin e pubblicato sulla rivista Earthquake Spectra, un software di apprendimento automatico potrebbe facilitare la previsione di rischi sismici.

I ricercatori hanno utilizzato il supercomputer Frontera presso il Texas Advanced Computing Center (TACC), uno dei piu’ veloci al mondo, per addestrare e testare il modello. “Abbiamo selezionato caratteristiche di input specifiche che si adattavano al fenomeno studiato – spiega Maria Giovanna Durante, che ha guidato il team insieme ad Ellen Rathje – abbiamo cercato di integrare il modello con le nostre conoscenze scientifiche”.

terremoto-earthquake sismografoIl gruppo di ricerca ha utilizzato i dati relativi al terremoto di Christchurch e testato il modello su 2,5 milioni di siti intorno all’epicentro del terremoto per determinare lo spostamento del sisma. La precisione sulla rilevazione della liquefazione, un fenomeno geologico spesso associato ai terremoti, risultava dell’80%, mentre l’efficacia nel determinare la quantita’ di spostamento era di circa il 70%. “Speriamo che questo software possa aiutare a indirizzare i soccorsi in caso di terremoto – commenta Rathje – le squadre di emergenza hanno bisogno di una guida sulle zone che rischiano maggiormente il collasso, in modo da concentrare gli sforzi di intervento“.

Gli esperti sottolineano che continueranno a perfezionare il modello di apprendimento automatico, e che saranno necessarie ulteriori ricerche per sviluppare modelli di apprendimento automatico applicabili ad altri eventi sismici e a differenti impostazioni geologiche.