Yuta Katori e Kan Okubo ricercatori della Tokyo Metropolitan University hanno applicato tecniche di apprendimento automatico per ottenere stime rapide e accurate dei campi geomagnetici locali utilizzando dati rilevati in diversi punti di osservazione, consentendo potenzialmente di rilevare i cambiamenti causati da terremoti e tsunami. Hanno sviluppato e addestrato un modello di Rete Neurale Profonda (Deep Neural Network – DNN) utilizzando i dati esistenti; il risultato è un metodo rapido ed efficiente senza precedenti per la stima dei campi magnetici per l’individuazione tempestiva di disastri naturali. Ciò è fondamentale per lo sviluppo di sistemi di allerta efficaci che possano contribuire a ridurre le perdite di vite umane e i danni estesi.
La devastazione causata da terremoti e tsunami non lascia dubbi sul fatto che un mezzo efficace per prevedere la loro incidenza è di fondamentale importanza. Certo, esistono già sistemi di allarme per le persone poco prima dell’arrivo delle onde sismiche; tuttavia, spesso, l’onda S (o onda secondaria), la parte più avanzata del sisma, è già arrivata quando è dato l’allarme. E’ indispensabile un mezzo più rapido e preciso per dare ai residenti locali il tempo di cercare sicurezza e ridurre al minimo le vittime.
E’ noto che i terremoti e gli tsunami sono accompagnati da cambiamenti localizzati nel campo geomagnetico:
– per i terremoti, si tratta principalmente del cosiddetto effetto piezo-magnetico, dove il rilascio di un’enorme quantità di stress accumulato lungo una faglia provoca cambiamenti locali nel campo geomagnetico;
– per gli tsunami, è l’improvviso, vasto movimento del mare che provoca variazioni della pressione atmosferica, questo a sua volta influisce sulla ionosfera, modificando in seguito il campo geomagnetico.
Entrambi possono essere rilevati da una rete di punti di osservazione in varie località.
Il vantaggio principale di tale sistema è la velocità, ricordando che le onde elettromagnetiche viaggiano alla velocità della luce, possiamo rilevare istantaneamente l’incidenza di un evento osservando le variazioni del campo geomagnetico.
Tuttavia, come si può stabilire se il campo rilevato è anomalo o meno? Il campo geomagnetico in varie località è un segnale fluttuante; l’intero metodo è basato sulla conoscenza del campo “normale” in una località.
Yuta Katori (specializzazione in design del sistema) e il prof. Kan Okubo si sono impegnati a sviluppare un metodo per fare misurazioni in diverse località del Giappone e creare una stima del campo geomagnetico in diversi specifici punti di osservazione. In particolare, hanno applicato un algoritmo di apprendimento automatico all’avanguardia noto come Rete Neurale Profonda (Deep Neural Network – DNN), modellato sul modo in cui i neuroni sono collegati all’interno del cervello umano. Alimentando l’algoritmo con una grande quantità d’input presi da misurazioni storiche, hanno permesso all’algoritmo di creare e ottimizzare un insieme molto complesso e multistrato di operazioni che permette di mappare i dati su ciò che è stato effettivamente misurato. Utilizzando mezzo milione di punti di dati rilevati nel 2015, sono stati in grado di creare una rete efficace per stimare il campo magnetico nel punto di osservazione con una precisione senza precedenti.
Il sistema dato il costo computazionale relativamente basso dei DNN, potenzialmente può essere abbinato a una rete di rivelatori ad alta sensibilità per ottenere un rilevamento tempestivo di terremoti e tsunami, fornendo un sistema di allarme efficace che può effettivamente ridurre al minimo i danni e salvare vite umane.
