AI vyvinutá Stanfordovou univerzitou dokáže detekovat i nejslabší otřesy země
Akademici z Oddělení geofyziky na Stanfordově univerzitě vyvinuli AI systém nazvaný Cnn-Rnn Earthquake Detector (CRED), který dokáže izolovat a identifikovat širokou škálu seizmických signálů z historických i kontinuálních dat. Zaměřuje se na detekování mikrozemětřesení, tedy otřesy o síle 2.0 stupňů a nižší, které dnešní monitorovací systémy ne vždy zaznamenají.
CRED staví na práci Googlu a týmu z Harvardovy univerzity, jejichž odborníci v srpnu vytvořili AI model schopný predikovat potenciální lokace dozvuků zemětřesení, tzv. dotřesů (více viz zde), a tvoří jej vrstvy neurální sítě dvojího typu: prvním je konvoluční a druhým rekurentní neurální síť. Zatímco konvoluční neurální síť má za úkol extrahovat data ze seismografů, rekurentní, která dokáže kombinovat paměť a vstupy ke zlepšování své predikce, se umí učit sekvenční charakteristiky seismografů.
Obě sítě tvoří tzv. reziduálně-učící se soustavu schopnou zmírňovat obvyklý problém vícevrstvých neurálních sítí – s tím, jak narůstá počet vrstvených uzlů, totiž dochází k saturaci přesnosti a její následné degradaci. Způsob, jakým reziduálně-učící se soustava zpracovává funkce, oproti tomu neurálním sítím uvnitř ní umožňuje zachovat si přesnost a dává jim schopnost učit se z datasetů fíčury vyšší úrovně. Kromě toho je sítě v této architektuře snadnější optimalizovat.
Podle studie zveřejněné výzkumníky je CRED na základě provedených testů schopný detekovat přes 700 mikrootřesů o síle už 1,3 stupně na velkou vzdálenost od cvičných regionů. Ve všech testech dosáhl mnohem lepších výsledků než dva široce používané seismické systémy. Např. v modelu využívajícím data z datasetu Guy-Greenbrier systém detekoval celkem 1102 otřesů, včetně mikrozemětřesení a zemětřesení způsobených hydraulickou frakturací (metodou těžby břidlicového plynu), injektováním odpadní vody nebo pohybem tektonických desek, z nichž 77 nebylo předtím seismografy zaznamenáno.
Ve studii vědci také uvádějí, že jakmile je síť vytrénována, je možné ji aplikovat na tok seizmických dat v reálném čase. Vedle toho prý vzniká minimum „falešných poplachů“, protože soustava využívá vysokorozlišovací modelování signálů zemětřesení na základě jejich spektrální analýzy.
Tým věří, že CRED, který je podle něj snadno škálovatelný, by jednou mohl v reálném čase provádět monitorování tektonicky aktivních zón nebo sloužit jako základ systému včasného varování před zemětřesením.
Zdroj: venturebeat.com
