Estimación rápida y precisa del campo magnético de la Tierra para la detección de desastres naturales

Se desarrolló y formó un modelo de Red Neuronal Profunda (Deep Neural Network DNN) utilizando los datos existentes; el resultado es un método rápido y eficiente para estimar los campos magnéticos para la detección temprana sin precedentes de desastres naturales. Esto es vital para desarrollar sistemas de alerta efectivos que puedan ayudar a reducir las víctimas y los daños generalizados.

La devastación causada por los terremotos y los tsunamis deja pocas dudas de que un medio eficaz para predecir su incidencia es de suma importancia. Ciertamente, ya existen sistemas para advertir a las personas justo antes de la llegada de las ondas sísmicas; sin embargo, a menudo ocurre que la onda S (o onda secundaria), es decir, la parte posterior del terremoto, ya llegó cuando se emitió la advertencia. Se requiere un medio más rápido y preciso para dar tiempo a los residentes locales para buscar seguridad y minimizar las víctimas.

Se sabe que los terremotos y los tsunamis están acompañados por cambios localizados en el campo geomagnético. Para los terremotos, es principalmente lo que se conoce como un efecto piezo-magnético, donde la liberación de una gran cantidad de estrés acumulado a lo largo de una falla provoca cambios locales en el campo geomagnético; para los tsunamis, es el movimiento repentino e inmenso del mar que causa variaciones en la presión atmosférica.

Esto a su vez afecta a la ionosfera, cambiando posteriormente el campo geomagnético.

Ambos pueden ser detectados por una red de puntos de observación en varios lugares. El mayor beneficio de este enfoque es la velocidad; Al recordar que las ondas electromagnéticas viajan a la velocidad de la luz, podemos detectar instantáneamente la incidencia de un evento al observar cambios en el campo geomagnético.

Sin embargo, ¿cómo podemos saber si el campo detectado es anómalo o no? El campo geomagnético en varias ubicaciones es una señal fluctuante; todo el método se basa en saber cuál es el campo "normal" en una ubicación.

Así, Yuta Katori y Kan Okubo de la Universidad Metropolitana de Tokio se propusieron desarrollar un método para realizar mediciones en múltiples ubicaciones en todo Japón y crear una estimación del campo geomagnético en diferentes puntos de observación específicos. Específicamente, aplicaron un algoritmo de aprendizaje automático de vanguardia conocido como Deep Neural Network (DNN), basado en cómo las neuronas están conectadas dentro del cerebro humano.

Al alimentar al algoritmo con una gran cantidad de información obtenida de mediciones históricas, permiten que el algoritmo cree y optimice un conjunto de operaciones extremadamente complejas y de múltiples capas que mapean los datos de manera más efectiva a lo que realmente se midió. Utilizando medio millón de puntos de datos tomados durante 2015, pudieron crear una red que puede estimar el campo magnético en el punto de observación con una precisión sin precedentes.

Dado el costo computacional relativamente bajo de los DNN, el sistema puede potencialmente emparejarse con una red de detectores de alta sensibilidad para lograr una detección rápida de terremotos y tsunamis, brindando un sistema de alerta efectivo que puede minimizar el daño y salvar vidas.

Trabajo de investigación aquí

Referencia

Neural network based geomagnetic estimation for multi-site observation system

Yuta Katori, Kan Okubo. 2018 Volume 7 Issue 10 Pages 352-357

IEICE Communications Express. ISSN : 2187-0136.

DOI https://doi.org/10.1587/comex.2018XBL0017