Noticias

Beauchef Magazine 2021

Monitoreo sísmico con inteligencia artificial

Monitoreo sísmico con inteligencia artificial

Por Daniela Cid M.

Automatizar la detección y la clasificación de ondas sísmicas ha sido por años uno de los mayores anhelos de la sismología. Si bien los primeros intentos datan de la década de 1990, la tecnología de ese entonces solo permitía trabajar con una reducida cantidad de datos y no cumplía plenamente con el objetivo de localizar sismos en tiempo real.

Tres décadas más tarde, los avances en disciplinas como el procesamiento de señales y la inteligencia artificial (IA) están comenzando a entregar nuevas soluciones a las necesidades de un área que, por décadas, ha dependido de la capacidad humana para interpretar sismogramas.

Según investigadores como el geofísico de la Universidad de Stanford, Mostafa Mousavi, “las características del monitoreo sísmico como actividad, sumado a la gran cantidad de datos involucrados en su ejecución, lo están posicionando como un campo cada vez más propicio para el surgimiento de una nueva oleada de aplicaciones”.

Una nueva tendencia a la cual investigadores del Departamento de Geofísica (DGF), el Centro Sismológico Nacional (CSN) y el Departamento de Ingeniería Eléctrica (DIE) de la Facultad de Ciencias Físicas y Matemáticas de la Universidad de Chile han decidido sumarse a través de tres iniciativas de aprendizaje de máquina aplicado al monitoreo sísmico.

En el DGF, el investigador postdoctoral Bertrand Potin trabaja desde 2019 en un sistema para analizar ondas sísmicas llamado “IA Picker”, en alusión al término “picado de ondas sísmicas”, usado por sismólogos/as.

“IA Picker” comprende tres aplicaciones. La primera, llamada “IA Detector”, puede identificar ondas sísmicas entre una serie de vibraciones no sísmicas; la segunda, “IA Picker”, trabaja para capturar las ondas primarias (P) y secundarias (S) de los movimientos telúricos; y la tercera, “IA Sorter”, clasifica las ondas o fases en eventos para localizar sismos con precisión.

“Hasta ahora la máquina ha funcionado bastante bien, pero aún le falta aprender a identificar datos de mala calidad. Ahora estamos generando un conjunto de datos de prueba y espero que en unos meses obtengamos mejores resultados”, afirma Bertrand Potin. Por ahora, los primeros datos generados por “IA Picker” se encuentran en el artículo “Slow and fast seismic behavior along-dip the Copiapó ridge subducted in north-central Chile”, el cual está siendo revisado por la publicación Geophysical Research Letter.

Un proyecto, en la misma línea, se encuentran desarrollando el jefe de operaciones y el ingeniero de desarrollo del CSN, Sebastián Riquelme y Francisco Bravo. La metodología utilizada es “PhaseNet”, un algoritmo creado por los investigadores de la Universidad de Stanford, Weiqiang Zhu y Gregory Beroza, para clasificar tiempos de llegada de ondas sísmicas a estaciones de monitoreo.

Según explica Sebastián Riquelme, “PhaseNet” puede identificar la fase primaria (P) y la secundaria (S) de las ondas sísmicas a través de un método de aprendizaje de redes neuronales en el cual “un computador repite, una y otra vez, el proceso de detección con un conjunto de datos, hasta que le sea fácil reconocer patrones e identificar dónde ocurren los movimientos telúricos”, precisa.

Sebastián Riquelme añade que las pruebas realizadas hasta ahora confirman que el algoritmo “PhaseNet” ayuda a identificar zonas sísmicas con una efectividad que supera el 90%. Además, adelanta que, aunque la aplicación aún se encuentra en etapa de prototipado, no se descarta la posibilidad de integrarla al trabajo del CSN en el mediano plazo.

Más allá de las emergencias

Un propósito de trabajo similar es el que plantea el proyecto Fondef “Automatic detection and classification of seismological events using advanced machine learning methods”. En la iniciativa liderada por el académico del Departamento de Ingeniería Eléctrica (DIE), Néstor Becerra, un grupo de investigadores de la Universidad de Chile, la Universidad de la Frontera y la Universidad Austral buscan aplicar IA para caracterizar enjambres sísmicos, mejorar las alertas tempranas de terremotos (earthquake early warning o EEW), tsunamis (tsunami early warning o TEW); y detectar sismos de magnitud (M) igual o menor a 3.

Acerca de este último punto, el académico recalca la necesidad de trabajar en sismos pequeños. “La gran cantidad de temblores que ocurre en Chile hace difícil disponer del personal para analizarlos todos, sin embargo, los terremotos más débiles son muy útiles para caracterizar la sismicidad de diferentes zonas geográficas y, por consiguiente, definir estándares o normas de construcción de modo más preciso para mejorar nuestra resiliencia ante desastres naturales”, sostiene.

El argumento del profesor Becerra es compartido por el investigador postdoctoral del DGF, Bertrand Potin, quien añade que la aplicación de monitoreo sísmico automático tiene un gran potencial en áreas como la minería y la geofísica aplicada.

“Cuando se fracturan rocas para realizar exploración de recursos en el subsuelo siempre existe el riesgo de que estas fracturas y sus correspondientes vibraciones se propaguen hasta la superficie y ocurran accidentes. Por eso es muy importante monitorear en tiempo real los sismos inducidos por la actividad humana”, subraya.

Al respecto, el director del DGF, Sergio Ruiz, reconoce que las posibilidades que supone la aplicación de la IA en las ciencias de la Tierra van más allá del monitoreo de sismos. “Si bien, automatizar el análisis sísmico podría ser crucial en escenarios de emergencia sísmica, la ciencia de datos y las aplicaciones desarrolladas con IA son temas cada vez más relevantes para la geofísica. Es por eso que esperamos, prontamente, comenzar a impartir un nuevo curso sobre esta temática”, asegura.

Galería de fotos

Últimas noticias

Bryna Kra: "El CMM es un tesoro para Chile"

En su paso por Santiago, la destacada académica recibió la distinción como Miembro Correspondiente en el Extranjero de la Academia Chilena de Ciencias y participó en una nueva sesión del Comité Científico Internacional del Centro de Modelamiento Matemático de la Facultad de Ciencias Físicas y Matemáticas de la U. de Chile. En esta entrevista ahonda en su extensa lucha por la equidad de género, revela su fórmula para reducir las brechas, explica el papel que deben tomar los matemáticos y resalta el trabajo del CMM como líder en investigación científica, formación, innovación y solución de problemas públicos e industriales.

Mejorar las líneas de transmisión sería clave

Alza de cuentas de electricidad y cómo disminuir costos en este sector

Luis Llanos y Ronald Fischer, académicos del Departamento de Ingeniería Industrial de la Facultad de Ciencias Físicas y Matemáticas de la Universidad de Chile, aseguran que el principal problema fue haber extendido por tanto tiempo el congelamiento de las cuentas en este mercado. A futuro, afirman ambos académicos, las tarifas de suministro de energía deberían bajar, de la mano de las energías limpias, pero enfatizan la necesidad de invertir en la capacidad de las líneas de transmisión para no desperdiciar la electricidad generada.