D’une montagne de signaux vagues, l’IA peut déduire que la Terre devient dangereuse

Les tremblements de terre et les éruptions volcaniques surviennent sans avertissement – ou du moins c’est ce qu’il semble. Les annonces subtiles de telles catastrophes naturelles sont souvent cachées dans des schémas complexes de nombreux signaux différents, que nous, les humains, ne reconnaissons pas facilement. L’intelligence des ordinateurs peut aider à découvrir ces modèles et ainsi faire de meilleures prédictions.

Selon le volcanologue britannique Andrew Hooper, affilié à l’université de Leeds, cela commence par « des données, des données et encore des données ». Hooper dirige le projet Volc profond qu’avec l’intelligence artificielle (intelligence artificielleou AI) surveille et apprend à reconnaître la déformation de la terre avant l’éruption des volcans.

Cela semble vague, admet Hooper, mais il explique : « Le magma est de la roche en fusion qui se déplace dans le manteau ou la croûte inférieure en raison des différences de pression dans le manteau. Lorsque la pression du magma devient trop importante, il cherche un chemin vers le haut, entraînant une éruption volcanique à la surface de la Terre. La montée du magma provoque le déplacement du sol terrestre. Ces mouvements sont le signe avant-coureur d’une éruption et nous essayons de les prédire avec l’IA.

Le modèle apprend des modèles historiques afin de pouvoir prédire l’évolution des déformations actuelles du sol

Andrew Hopper volcanologue

Localement, selon Hooper, il est déjà possible de prévoir des éruptions quelques jours à l’avance par d’autres présages : les gaz libérés d’un cratère fumant, ou en faisant retentir des ondes sonores depuis le sol. « Cependant, pour mesurer ces indices pour chaque volcan individuel, vous avez besoin de beaucoup d’équipement », dit-il. « Malheureusement, plus de la moitié des 1 400 volcans actifs n’ont pas d’instruments de mesure et, de plus, les gaz et les fortes ondes sismiques ne peuvent être mesurés sur Terre que peu de temps avant une éruption. » Prévoir plus tôt aide à avertir les gens plus tôt d’une éventuelle éruption.

« La prédiction de la déformation du sol peut jouer un rôle clé à cet égard », déclare Hooper. « Ce n’est tout simplement pas si facile. » Un exemple éloquent est l’éruption spectaculaire du Fagradalsfjall islandais en 2021. Une étude publiée dans Nature, sur laquelle Hooper a collaboré, a représenté avec précision la déformation du sol avant l’éruption. L’un des résultats : sur la base d’un volcan, il est en fait impossible de reconnaître des modèles dans cette déformation, de sorte que le moment précis de l’éruption ne peut pas être prédit.

Précis au millimètre près

Pour la recherche en Islande, Hooper et son équipe ont utilisé les données du satellite européen Sentinelle-1, qui visite chaque volcan de la Terre deux fois tous les douze jours. Avec le radar de ce satellite, la déformation du sol est mesurée au millimètre près. Hooper: « Si nous voyons une déformation verticale du sol au fil du temps, c’est un présage pour une éventuelle éruption. » Chaque année une soixantaine de volcans entrent en éruption, précédés d’une déformation du sol. Pour trouver des modèles, Hooper utilise pour son modèle d’IA des milliers de déformations historiques du sol depuis les années 1990. Le satellite y ajoute de plus en plus de données actuelles. « 1 500 volcans actifs, visitant deux fois en douze jours et traitant toutes les données… », soupire Hooper. « C’est vraiment impossible à faire pour une personne, mais c’est pour les ordinateurs. »

Avec toutes ces données, Hooper l’a formé Modèle d’IA Icasar qui apprend à reconnaître les modèles dans la façon dont les déformations du sol se développent avant une éruption. Le modèle examine les soi-disant interférogrammes, une image composée d’une série d’images satellites qui montrent la différence de hauteur de la surface de la Terre. « Pour nous, ces images ressemblent à de simples photos avec des contours colorés, mais lorsque nous alimentons le modèle AI avec des milliers de ces images, il reconnaît toutes sortes de modèles dans la fréquence et l’intensité des déformations du fond », explique Hooper. « Le modèle apprend des modèles historiques, ce qui lui permet de prédire l’évolution des déformations actuelles du sol. »

Symphonie sismique cachée

Hooper a testé le modèle en 2019 pour le volcan Sierra Negra dans les îles Galapagos. Le modèle a simulé la déformation du sol surveillée pendant 3,5 ans avant une éruption en 2018. Sur la base des données historiques d’autres volcans, le modèle a produit des déformations presque identiques à la Sierra Negra, conclut Hooper dans une publication dans Faire progresser les sciences de la Terre et de l’espace. Le modèle d’IA n’est pas encore terminé, mais selon Hooper il peut donc être testé et éventuellement appliqué à tous les volcans actifs. Par exemple, une éruption peut être prédite plus tôt parce que les gens ne dépendent plus des instruments autour des volcans individuels. Il cite un exemple du volcan Mount Edgecumbe en Alaska. Ici en 2022, les ondes sismiques seront mesurées avec des instruments de mesure mesuré depuis le sol. « Lorsque nous avons vérifié notre modèle, il a prédit la déformation du sol depuis 2018 sur la base de modèles historiques dans d’autres endroits », explique Hooper. « La déformation actuelle du sol observée par le satellite correspondait à la déformation prévue de notre modèle en intensité et en temps. »

Nous avons toujours vu cela comme un bruit vide, mais l’ordinateur a pensé autrement

Paul Johnson géophysicien sismique

L’IA vient également à la rescousse lors de la prévision des tremblements de terre, explique l’Américain Paul Johnson, géophysicien sismique au Laboratoire national de Los Alamos aux États-Unis.

Pour Johnson, sa carrière dans le laboratoire des tremblements de terre a commencé avec une installation qui simule les tremblements de terre. « Les tremblements de terre se produisent sur les lignes de faille lorsque les plaques de la croûte terrestre entrent en collision, se frottent ou s’écartent », explique Johnson. « La force s’accumule d’abord et lorsqu’elle est suffisamment grande, les plaques tectoniques dépassent brusquement dans la zone de glissement. » Johnson appelle le tremblement de terre qui en résulte le « moment de l’échec”, la fin d’un soi-disant cycle de tremblements de terre. Les prédictions sont maintenant faites le jour ou les minutes avant un tremblement de terre. Cependant, pendant le cycle des tremblements de terre, qui peut durer des milliers d’années, il existe déjà toutes sortes de signaux cachés dans les ondes sonores de la surface de la Terre, a découvert l’équipe de recherche. apprentissage automatiquemodèle de Johnson dont il a publié en 2019 Nature.

Séismes simulés en laboratoire

Vous pouvez comparer ce processus aux sons que vous entendez dans la rue à l’extérieur d’un stade de football. Sans suivre le match, vous pouvez entendre ce qui se passe sur le terrain à travers des acclamations et des moqueries. Il Le modèle de Johnson enregistre ces signaux dans le sol. Lorsque le modèle a enregistré un grand nombre de sols bouillonnants, le modèle apprend à reconnaître et éventuellement à prédire les modèles.

« Il y a toujours du bruit autour des lignes de faille », explique Johnson. « Nous avons invariablement vu cela comme un bruit vide, mais l’ordinateur a pensé autrement. » L’appliqué apprentissage automatique des signaux reconnus dans cette symphonie sismique au cours d’un cycle de tremblement de terre que Johnson pourrait physiquement traduire comme des indicateurs de l’accumulation de force entre les plaques tectoniques, de la distribution d’énergie le long de la ligne de faille et de petites différences dans les fréquences des ondes sonores du sol. Parce que ces signaux ont été découverts sur la base de modèles de milliers de tremblements de terre simulés en laboratoire, Johnson dit qu’ils n’auraient jamais été découverts avec une observation purement humaine.

Dans le monde réel, les tremblements de terre silencieux ne conduisent à un tremblement de terre majeur qu’après de nombreux cycles

Paul Johnson géophysicien sismique

En dehors du laboratoire, Johnson a utilisé le modèle pour examiner le bruit historique de la Nouvelle-Zélande, du Chili et de la zone de subduction de Cascadia s’étendant du Canada au nord de la Californie. Dans cette dernière région, deux plaques tectoniques glissent l’une sous l’autre où, selon Johnson, des tremblements de terre silencieux et imperceptibles se produisent tous les treize à quatorze mois. Johnson : « Ici, nous avons découvert les mêmes signaux dans le bruit que pendant le cycle de tremblement de terre simulé en laboratoire. L’ordinateur a également trouvé des modèles prévisibles dans tous ces signaux avant un tremblement de terre.

Selon Johnson, cette découverte montre que le moment des tremblements de terre n’est pas aléatoire. Selon lui, cela signifierait que les modèles peuvent également être prédits avec un modèle formé. Johnson en a utilisé un pour cela l’apprentissage en profondeurmodèle qui fonctionne avec des réseaux de neurones dits artificiels constitués d’un grand nombre de neurones qui reçoivent et transmettent des signaux les uns aux autres. « Sur la base de milliers de signaux trouvés, nous voulions que l’ordinateur détermine comment ils évalueraient et conduiraient éventuellement à un tremblement de terre. » Il a découvert que le modèle peut fournir une estimation du moment où le tremblement de terre se produira réellement tout au long du cycle du tremblement de terre. va avoir lieu. Plus vous vous rapprochez du moment du tremblement de terre, plus le modèle devient précis. L’équipe de Johnson a testé rétroactivement le modèle pour prédire plus de 60 tremblements de terre silencieux à Hawaï en 2018. Les données surveillées ont été comparées aux résultats du modèle. Plus de 90 % des tremblements de terre ont été prédits correctement.

Végétation et vapeur d’eau

Aussi prometteur que cela puisse paraître, selon Johnson, il y a encore des accrocs à l’IA et à la prédiction des tremblements de terre. « Les tremblements de terre silencieux dans le monde réel ne conduisent à un grand tremblement de terre avec un impact tangible qu’après de nombreux cycles », dit-il. « Nous ne savons pas encore si le modèle peut prédire au-delà d’un seul cycle de tremblement de terre. » De plus, sauf sur des données historiques, le modèle n’a pas encore été testé sur les lignes de failles actives actuelles.

Il y a aussi des bosses sur la route pour Andrew Hooper, le volcanologue. Les radars du satellite Sentinel-1 n’émettent que des rayonnements électromagnétiques à ondes courtes. Lorsqu’un volcan est recouvert de végétation, cela réduit la précision de la mesure de la déformation du sol car ces ondes sont réfléchies par les plantes. En janvier 2024 lancé un nouveau satellite qui travaillera avec des radars à ondes longues pour le projet de Hooper : « Cela peut également nous aider à mieux comprendre les volcans dans ces régions. »