Recherche sur l'apprentissage automatique publiée dans deux articles connexes aujourd'hui dans Géosciences de la nature signale la détection de signaux sismiques prédisant avec précision le glissement lent de la faille Cascadia, un type de rupture observé avant les grands séismes dans d'autres zones de subduction.

Les chercheurs du Laboratoire national de Los Alamos ont appliqué l'apprentissage automatique pour analyser les données de Cascadia et ont découvert que la méga-poussée diffuse un tremblement constant, une empreinte du déplacement de la faille. Plus important, ils ont trouvé un parallèle direct entre l'intensité du signal acoustique du défaut et ses changements physiques. Les gémissements de Cascadia, précédemment considéré comme un bruit dénué de sens, prédit sa fragilité.

"Le comportement de Cascadia était enfoui dans les données. Jusqu'à ce que l'apprentissage automatique révèle des modèles précis, nous avons tous rejeté le signal continu en tant que bruit, mais il était plein d'informations riches. Nous avons découvert un modèle sonore hautement prévisible qui indique un glissement et une défaillance, " a déclaré le scientifique de Los Alamos Paul Johnson. " Nous avons également trouvé un lien précis entre la fragilité de la faille et la force du signal, ce qui peut nous aider à prédire avec plus de précision un méga-séisme."

Les nouveaux articles ont été rédigés par Johnson, Bertrand Rouet-Leduc et Claudia Hulbert de la Division Sciences de la Terre et de l'Environnement du Laboratoire, Christopher Ren de la Division du renseignement et de la recherche spatiale du Laboratoire et des collaborateurs de l'Université d'État de Pennsylvanie.

L'apprentissage automatique analyse des ensembles de données sismiques massifs pour trouver des modèles distincts en apprenant à partir d'algorithmes d'auto-ajustement pour créer des arbres de décision qui sélectionnent et retestent une série de questions et réponses. L'année dernière, l'équipe a simulé un tremblement de terre en laboratoire, utilisant des blocs d'acier interagissant avec des roches et des pistons, et des sons enregistrés qu'ils ont analysés par apprentissage automatique. Ils ont découvert que les nombreux signaux sismiques, précédemment considéré comme un bruit dénué de sens, localisé quand le défaut simulé glisserait, une avancée majeure vers la prévision des séismes. Plus rapide, les tremblements de terre plus puissants avaient des signaux plus forts.

L'équipe a décidé d'appliquer son nouveau paradigme au monde réel :Cascadia. Des recherches récentes révèlent que Cascadia a été active, mais l'activité notée a été apparemment aléatoire. Cette équipe a analysé 12 ans de données réelles provenant de stations sismiques de la région et a trouvé des signaux et des résultats similaires :les tremblements constants de Cascadia quantifient le déplacement de la partie à glissement lent de la zone de subduction. Dans le laboratoire, les auteurs ont identifié un signal similaire qui a prédit avec précision un large éventail de défaillances. Une surveillance attentive à Cascadia peut fournir de nouvelles informations sur la zone verrouillée pour fournir un système d'alerte précoce.