Des chercheurs de l'Université métropolitaine de Tokyo ont appliqué des techniques d'apprentissage automatique pour obtenir rapidement, des estimations précises des champs géomagnétiques locaux à l'aide de données prises à plusieurs points d'observation, permettant potentiellement de détecter les changements causés par les tremblements de terre et les tsunamis. Un modèle de réseau de neurones profonds (DNN) a été développé et formé à l'aide des données existantes ; le résultat est un rapide, méthode efficace d'estimation des champs magnétiques pour une détection précoce sans précédent des catastrophes naturelles. Ceci est vital pour développer des systèmes d'alerte efficaces qui pourraient aider à réduire les pertes et les dommages étendus.

La dévastation causée par les tremblements de terre et les tsunamis laisse peu de doute qu'un moyen efficace de prédire leur incidence est d'une importance primordiale. Certainement, des systèmes existent déjà pour avertir les gens juste avant l'arrivée des ondes sismiques; encore, il arrive souvent que l'onde S (ou onde secondaire), C'est, la dernière partie du séisme, est déjà arrivé lorsque l'avertissement est donné. Un plus rapide, des moyens plus précis sont absolument nécessaires pour donner aux résidents locaux le temps de rechercher la sécurité et de minimiser les pertes.

On sait que les tremblements de terre et les tsunamis s'accompagnent de modifications localisées du champ géomagnétique. Pour les tremblements de terre, c'est avant tout ce qu'on appelle un effet piézo-magnétique, où la libération d'une quantité massive de contraintes accumulées le long d'une faille provoque des changements locaux du champ géomagnétique. Pour les tsunamis, c'est du coup, vaste mouvement de la mer qui provoque des variations de pression atmosphérique. Cela affecte à son tour l'ionosphère, modifier par la suite le champ géomagnétique. Les deux peuvent être détectés par un réseau de points d'observation à divers endroits. Le principal avantage d'une telle approche est la rapidité; rappelant que les ondes électromagnétiques voyagent à la vitesse de la lumière, nous pouvons détecter instantanément l'incidence d'un événement en observant les changements de champ géomagnétique.

Cependant, comment savoir si le champ détecté est anormal ou non ? Le champ géomagnétique à divers endroits est un signal fluctuant; toute la méthode repose sur la connaissance du champ "normal" à un endroit.

Ainsi, Yuta Katori et Assoc. Le professeur Kan Okubo de l'Université métropolitaine de Tokyo a entrepris de développer une méthode pour prendre des mesures à plusieurs endroits au Japon et créer une estimation du champ géomagnétique à différents, points d'observation particuliers. Spécifiquement, ils ont appliqué un algorithme d'apprentissage automatique de pointe connu sous le nom de réseau de neurones profonds (DNN), modelé sur la façon dont les neurones sont connectés à l'intérieur du cerveau humain. En alimentant l'algorithme d'une grande quantité d'entrées issues de mesures historiques, ils laissent l'algorithme créer et optimiser un processus extrêmement complexe, ensemble d'opérations multicouches qui mappe le plus efficacement les données à ce qui a été réellement mesuré. En utilisant un demi-million de points de données pris en 2015, ils ont pu créer un réseau capable d'estimer le champ magnétique au point d'observation avec une précision sans précédent.

Compte tenu du coût de calcul relativement faible des DNN, le système peut potentiellement être associé à un réseau de détecteurs à haute sensibilité pour réaliser une détection ultra-rapide des tremblements de terre et des tsunamis, fournir un système d'alerte efficace qui peut minimiser les dommages et sauver des vies.