211service.com
Maskinlæringsalgoritme forutsier laboratoriejordskjelv
Jordskjelv tar en fryktelig menneskelig toll. Rundt 10 000 mennesker dør hvert år i jordskjelv og ettervirkningene deres, men tallet kan være mye høyere. Over 230 000 mennesker døde i tsunamien som fulgte jordskjelvet med styrke 9 utenfor kysten av Sumatra i 2004; mer enn 200 000 døde i Haiti i 2010 etter at landet ble rammet av et skjelv med styrke 7; og mer enn 800 000 antas å ha omkommet i et skjelv i Kina i 1556.
Så en bedre måte – uansett måte – å varsle skjelv på ville være enormt verdifull.
Gå inn på Bertrand Rouet-Leduc ved Los Alamos National Laboratory i New Mexico og noen få venner som har gjort en bemerkelsesverdig oppdagelse. De har trent en maskinlæringsalgoritme for å oppdage de avslørende tegnene på at et laboratoriejordskjelv er i ferd med å gi etter, bare ved å bruke lydene det sender ut under belastning. Teamet er forsiktige med den nye teknikkens nytte for ekte jordskjelv, men arbeidet åpner for nye muligheter for forskning på dette området.
Først litt bakgrunn. Geologer har lenge vært i stand til å regne ut den omtrentlige risikoen for et jordskjelv. Deres tilnærming er å finne ut når feilen beveget seg i fortiden og bruke enhver periodisitet for å forutsi fremtiden.
Det mest kjente eksemplet involverer Parkfield-segmentet av San Andreas-forkastningen i California, en av de mest nøye studerte feilene på planeten. Jordskjelv skjedde her i 1857, 1881, 1901, 1922, 1934 og 1966, noe som tyder på et mønster der skjelv oppstår hvert 22. år gir eller tar noen år. Geologer spådde derfor at et skjelv ville inntreffe mellom 1988 og 1993, men de måtte vente til 2004 på støyen.
Og det er omtrent like bra som jordskjelvprognosene har fått - på de fleste andre steder er feillinjene størrelsesordener større.
Slike spådommer er nyttige for å håndheve ting som byggestandarder i regioner som er kjent for å være utsatt for jordskjelv. Men de er til liten nytte for å forhindre dødsfall når skjelvene oppstår. Til det trengs prognoser over tidsspenn målt i dager. Det har vært lite bevis på at denne typen spådommer noen gang vil være mulig, selv om det er mye anekdotisk bevis som tyder på at dyr på en eller annen måte kan fornemme den forestående utbruddet av et skjelv.
Rouet-Leduc og cos arbeid kan endre det. De skapte kunstige jordskjelv i laboratoriet deres ved å trekke på en blokk klemt mellom to andre. I grensesnittet mellom blokkene pakket de en blanding av steinete materiale, kalt hulmateriale, for å simulere egenskapene til virkelige forkastninger.
Denne typen kunstig skjelvsystem har blitt godt studert. Geologer vet at når et skjelv nærmer seg, begynner hullmaterialet å svikte, og avgir stønn og sprekker mens det skjærer seg – en slags seismisk skravling. Blokken glir deretter kvasi-periodisk.
Dette systemet har noen likheter med ekte jordskjelv. For eksempel er størrelsesfordelingen på slipene den samme som størrelsesfordelingen til ekte jordskjelv. Det genererer mange små utglidninger og bare noen få store – en fordeling som følger det velkjente Gutenberg-Richter-forholdet, akkurat som et ekte jordskjelv gjør. Så geologer er sikre på at dette systemet etterligner i det minste noen av atferdene som er sett i den virkelige verden.
Spørsmålet disse gutta stiller er om lyden som sendes ut av feilen kan brukes til å forutsi tidspunktet for neste slip. Til nå har ingen sett mønster i disse lydene som kan brukes til å lage en slik forutsigelse. Men Rouet-Leduc og co har tatt en ny tilnærming.
De har registrert de akustiske utslippene fra eksperimentet og matet dem inn i en maskinlæringsalgoritme. Tanken var å se om maskinen kunne tyde et eller annet mønster som geologene så langt hadde savnet. Og det gjorde den faktisk.
Resultatene er noe av en overraskelse. Forskerne matet algoritmen med et skyvevindu med akustiske utslipp, og ba den om å forutsi sannsynligheten for et jordskjelv på hvert øyeblikk. Til deres forbauselse ga maskinen nøyaktige spådommer selv når et jordskjelv ikke var nært forestående. Vi viser at ved å lytte til det akustiske signalet som sendes ut av en laboratoriefeil, kan maskinlæring forutsi gjenværende tid før den svikter med stor nøyaktighet, sier de.
Puslespillet er hvordan maskinen kan gjøre dette. Rouet-Leduc og co antar at seismiske forløpere kan være mye mindre enn man tidligere har trodd, og at de vanligvis ikke registreres i den virkelige verden. Maskinen ser ut til å ha oppdaget et helt nytt signal som geologer tidligere hadde avvist som støy i laboratorieskjelvene. Vår maskinlæringsanalyse gir ny innsikt i slipfysikken, sier de.
Det er fascinerende arbeid som har betydelige implikasjoner. Det første og mest åpenbare spørsmålet det reiser er om den samme teknikken kunne forutsi ekte jordskjelv nøyaktig.
Rouet-Leduc og co er forsiktige i denne forbindelse. De påpeker at laboratorieeksperimentet er annerledes på ulike viktige måter enn ekte skjelv. Skjærspenningene er størrelsesordener større enn ved ekte skjelv, og temperaturen på de involverte bergartene er også forskjellige.
Men det er andre måter som laboratorieskjelvene ligner på jordskjelvene. Så lagets neste mål er å bruke samme type analyse på ekte skjelv som mest ligner laboratorieskjelv. En slik er Parkfield, som opplever mange gjentatte jordskjelv over relativt korte perioder. Repeatere på disse feillappene kan gi ut skravling i analogi med laboratoriet, foreslår de.
Den store testen vil selvfølgelig være å faktisk forutsi et jordskjelv nøyaktig. Det er en vanskelig oppgave som vil kreve nøye observasjon over mange år.
I mellomtiden kan den samme teknikken brukes til å forutsi jordskjelvlignende feil i andre materialer, som turbiner i fly og kraftstasjoner.
Uansett hvordan den nye teknikken brukes, har Rouet-Leduc og co satt katten blant duene i geologiens verden. Som de konkluderer: Scenen er satt for potensielt markerte fremskritt innen jordskjelvvitenskap.
Ref: arxiv.org/abs/1702.05774 : Maskinlæring forutsier laboratoriejordskjelv