Ricercatori UCSC e TU Monaco propongono RECAST un nuovo modello basato su deep learning per prevedere le scosse di assestamento

UCSC and TU Monaco researchers propose RECAST, a new deep learning-based model for predicting aftershocks.

L’Intelligenza Artificiale trova il suo spazio in quasi tutti i campi possibili. Ci sono state numerose ricerche in corso in questo settore. Abbiamo ancora molto da scoprire. I modelli di Intelligenza Artificiale e Deep Learning svolgono anche un ruolo importante nella sismografia in quanto vengono utilizzati per prevedere i terremoti. Per molti anni precedenti, i modelli di previsione delle scosse di terremoto sono rimasti gli stessi. Questi vecchi modelli funzionano bene con set di dati più piccoli ma faticano con set di dati più grandi. 

Per risolvere questo problema, ricercatori dell’Università della California, Santa Cruz e della Technical University of Munich hanno creato un nuovo modello che utilizza il Deep Learning chiamato RECAST. Hanno utilizzato il Deep Learning dietro questo modello, poiché è utile per gestire set di dati più grandi. Il nuovo modello è stato efficace rispetto al modello precedente in ogni possibile modo. Il vecchio modello di previsione dei terremoti, ETAS, è stato creato alcuni anni fa quando questi ricercatori avevano dati limitati. Ma oggi abbiamo enormi set di dati, su cui il vecchio modello non poteva lavorare. Il vecchio modello ETAS è fragile e difficile da usare. Per migliorare la previsione dei terremoti con il deep learning, abbiamo bisogno di un modo migliore per confrontare i modelli. Il modello RECAST è stato testato sia con dati sismici sintetici che reali della California meridionale. Si è comportato leggermente meglio del modello ETAS, specialmente con più dati, ed è stato anche più veloce.

I ricercatori hanno già provato ad utilizzare modelli di Machine Learning e Deep Learning per prevedere i terremoti in passato, ma la tecnologia non era ancora pronta. Il modello RECAST è più preciso e può facilmente lavorare con diversi set di dati sui terremoti. Questa flessibilità potrebbe rivoluzionare la previsione dei terremoti. Con il deep learning, i modelli possono gestire molti nuovi dati e persino combinare informazioni provenienti da diverse regioni per prevedere terremoti in zone meno studiate. Queste informazioni sui modelli di Deep Learning sono state molto utili e sono state oggetto di ricerca. I ricercatori hanno anche constatato che un modello addestrato su dati provenienti da Nuova Zelanda, Giappone e California potrebbe essere utilizzato per prevedere terremoti in luoghi con meno dati disponibili.

• Domande, spalle alzate e cosa succede dopo Un quarto di secolo di cambiamenti
• Una guida alla raccolta di dati reali per l’apprendimento automatico
• Due modi per scaricare e accedere a Llama 2 localmente

Questi modelli di Deep Learning aiuteranno anche i ricercatori ad accedere a diversi tipi di dati per la previsione dei terremoti. Ora possono utilizzare dati continui di movimento del suolo anziché concentrarsi su qualcosa ufficialmente classificato come terremoto. Questo è un compito di classificazione. L’accuratezza del modello e il punteggio F1 sono stati molto buoni per i set di dati più grandi. I ricercatori stanno ancora lavorando su questo nuovo modello che incoraggerà e stimolerà discussioni su tutte le possibilità perché ha molto potenziale.