Después de un **terremoto**, vienen las **réplicas**. Y, aunque lo más devastador de sus consecuencias ha ocurrido, **aún existe el riesgo de que una estructura dañada por el sismo principal se derrumbe**, lo que sigue representando un peligro para la población en las áreas afectadas. Si bien **se puede predecir el tamaño y el momento de estas réplicas hasta cierto punto, pronosticar su ubicación es más difícil**.

Una **nueva investigación** llevada a cabo **entre científicos de la Universidad de Harvard y Google** sugiere que la **inteligencia artificial (IA)** puede ayudar a **identificar la distribución espacial de las réplicas** mejor que los modelos existentes. Los investigadores han empleado el **aprendizaje profundo** en busca de un criterio basado en el estrés estático, que **pronostica las ubicaciones de las réplicas**.

Los investigadores **entrenaron una red neuronal** para buscar patrones en una base de datos de **más de 131.000 réplicas principales**. Después, **probaron sus predicciones** en un conjunto de datos de prueba independiente de **más de 30.000 pares** de réplicas principales. Los resultados han sido publicados en *Nature* este 29 de agosto.

De acuerdo a sus hallazgos, **la red de aprendizaje profundo ha sido significativamente más confiable que el modelo existente más usado**, el llamado «cambio de estrés por falla de Coulomb». En una **escala de precisión del 0 a 1**, siendo 1 un modelo preciso, el **modelo de Coulomb** obtuvo **0.583**, mientras que el **nuevo sistema de IA** alcanzó **0.849**.

«Encontramos que **el patrón de réplica aprendido es físicamente interpretable**: el cambio máximo en el esfuerzo cortante, el criterio de rendimiento de von Mises (una versión escalada del segundo invariante del tensor de cambio de tensión desviador) y la suma de los valores absolutos de los componentes independientes del tensor de cambio de estrés explica cada uno más del 98 por ciento de la varianza en la predicción de la red neuronal», señalan los autores, y añaden:

> Esta visión impulsada por el aprendizaje automático proporciona pronósticos mejorados de ubicaciones de réplicas e identifica cantidades físicas que pueden controlar el disparo del terremoto durante la parte más activa del ciclo sísmico.

El **éxito de la IA** aplicada en sismología **se debe a su capacidad de dar sentido** a las conexiones que encuentra entre la **gran cantidad de variables implicadas**, como la **composición del terreno** en diferentes áreas, los tipos de **interacciones entre las placas sísmicas** o las **formas en que la energía se propaga** en las ondas a través de la tierra.

El factor que mencionan los investigadores, el **»criterio de rendimiento de von Mises»**, es un cálculo complejo usado para **predecir cuándo los materiales comenzarán a romperse bajo estrés**. Brendan Meade, profesor de ciencias planetarias y terrestres en Harvard, quien ayudó a escribir el artículo, explicó a *ScienceDaily* que este factor se usa a menudo en campos como la metalurgia, «pero nunca ha sido popular en la ciencia de los terremotos». **Con este nuevo modelo de IA, los geólogos pueden investigar su aplicación**.

La **implementación** del modelo de IA de esta investigación **todavía está lejos**, pues **solo está enfocado en las réplicas causadas por cambios permanentes en el suelo**, el mencionado **estrés estático**. Sin embargo, las réplicas **también pueden ser causadas por los estruendos** en el suelo que ocurren después, conocidos como **estrés dinámico**.

Por otro lado, **el modelo es aún demasiado lento** como para ser eficiente en una situación real. Generalmente, las réplicas ocurren en el primer día después del terremoto principal. Después, la frecuencia disminuye a aproximadamente la mitad en cada día posterior.

Phoebe DeVries, postdoctora de Harvard que ayudó a dirigir la investigación, dijo a *ScienceDaily*:

> Todavía estamos muy lejos de poder pronosticar [réplicas], pero creo que el aprendizaje automático tiene un gran potencial aquí.

Ahora en Hipertextual

Suscríbete gratis a Hipertextual

Estamos más ocupados que nunca y hay demasiada información, lo sabemos. Déjanos ayudarte. Enviaremos todas las mañanas un correo electrócnio con las historias y artículos que realmente importan de la tecnología, ciencia y cultura digital.