Terremoti, sviluppato sistema per prevederli/ “Scosse anticipate di qualche secondo”

- Davide Giancristofaro Alberti

E’ stato sviluppato alla Stanford un sistema per prevedere con un anticipo di qualche secondo i terremoti: ecco come funziona

terremoto croazia 1 lapresse1280 640x300
Terremoto in Croazia (LaPresse)

L’intelligenza artificiale potrebbe permettere di rendere prevedibili i terremoti. La prestigiosa università americana di Stanford, una delle tre Big d’oltre oceano assieme ad Harvard e Yale, ha sviluppato un nuovo strumento che permette di prevedere con qualche secondo di anticipo l’arrivo appunto di un terremoto. La scoperta è stata resa pubblica dal tabloid britannico Daily Star che racconta di come il progetto si basi si una rete neurale profonda, quasi una sorta di intelligenza artificiale, che analizza i modelli dei terremoti avvenuti in precedenza, fornendo quindi una possibile previsione sul prossimo movimento tellurico.

Avoy Datta ricercatore della Stanford University che ha preso parte al lavoro, ha dichiarato che DeepShake, così si chiama il “software” messo a punto: «E’ in grado di captare segnali in forme d’onda sismica attraverso dimensioni di spazio e tempo». Si tratta di un sistema che i suoi inventori definiscono velocissimo rispetto a quanto vi è al momento in circolazione, e lo stesso è già stato testato in California, nei pressi di Ridgecrest, un’area ad alta attività sismica colpita da una serie di scosse in particolare nel 2019.

A STANFORD IL SISTEMA PER ANTICIPARE I TERREMOTI: IL TEST RIUSCITO A RIDGECREST

Per effettuare il test sono stati inseriti nel sistema i più di 36.000 terremoto registrati nella zona fra i mesi di luglio e settembre 2019 e il risultato è stato decisamente interessante: le scosse successive sono state infatti anticipate con un margine fra i tre e i tredici secondi rispetto alla loro reale comparsa. Sia chiaro, il lasso di tempo risulta essere minimo, di conseguenza nessuno potrebbe prepararsi in pochi secondi ad un terremoto devastante, ma il software dimostra che vi è il potenziale per migliorare velocità e precisione dei sistemi di allarme, soprattutto se da qualche secondo si arrivasse a minuti. «Quando si addestra un modello di machine learning end-to-end – ha spiegato e concluso un altro ricercatore, Daniel J. Wu – lo facciamo pensando che questi modelli siano in grado di sfruttare le informazioni aggiuntive per migliorare l’accuratezza».



© RIPRODUZIONE RISERVATA