KI könnte dabei helfen, die katastrophalen Auswirkungen künftiger Erdbeben vorherzusehen
Seit den 1960er Jahren wird in der Geophysik versucht, Erdbeben vorherzusagen, bisher jedoch ohne Erfolg. Die Vorhersage eines solchen Ereignisses erfordert flächendeckende Kartierungen und Analysen der Eigenschaften der Erdkruste. Dies zu ermöglichen ist die Herausforderung, der sich das Forschungsteam von F-IMAGE stellte. Das Ziel war es, eine neuartige funktionelle Bildgebung der zerbrechlichen Erdkruste zu entwickeln, um nicht nur die strukturellen Eigenschaften, sondern auch die Verwerfungsdynamik zu erforschen. Dazu nutzte das Team vorhandene hochwertige seismische Beobachtungen, die in großen Datenbanken gespeichert sind. Bei diesem Vorhaben ist der Einsatz von KI für die probabilistische seismische Gefährdungsbeurteilung von entscheidender Bedeutung. „Künstliche Intelligenz ermöglicht es uns, die statistischen Beziehungen zwischen diesen Parametern und den Bodenbeschleunigungsaufzeichnungen zu erlernen. Die KI kann daher große Datensätze nutzen, um die für ein bestimmtes Erdbeben erwartete Bodenbewegung probabilistisch zu beschreiben“, sagt Michel Campillo Seismologe aus Frankreich und Koordinator des Projekts. Durch die Evaluierung der kurzfristigen Entwicklung von Verwerfungen (Regionen, in denen geologische Brüche aufgetreten sind, die häufig mit Erdbeben und anderen tektonischen Aktivitäten in Verbindung stehen) ist es möglich, ein besseres Verständnis der physikalischen Prozesse zu erlangen, die zu schweren Erdbeben führen, und so die Risikobeurteilung zu verbessern.
Nicht überwachte Analyse mit Hilfe von KI
Dies wäre ohne die Nutzung von KI nicht möglich gewesen. „In diesem riesigen Datensatz, der nicht detailliert manuell analysiert werden kann, gibt es offensichtliche Signale wie große Erdbeben, aber wir wollen noch weiter gehen und schwache Signale und die kontinuierliche Entwicklung der Gesteine der Erdkruste untersuchen“, sagt Campillo. Die Anwendung von Deep Learning, einem Teilbereich der KI, bei dem künstliche neuronale Netzwerke eingesetzt werden, um die Art und Weise nachzuahmen, wie Neuronen im Gehirn mit mehreren Verarbeitungsebenen interagieren, ermöglicht die erfolgreiche Modellierung komplexer Beziehungen und Muster bei Daten. Darüber hinaus hat sich der Einsatz von KI, mit deren Hilfe Maschinen lernen können, Erdbeben zu erkennen und sie in großen Datenmengen sehr schnell zu entdecken, in den letzten Jahren rasant entwickelt. Was das F-IMAGE-Projekt jedoch von anderen unterscheidet, ist sein Ansatz, der auf ein nicht überwachtes Lernen setzt, eine Art der Datenanalyse ohne gekennzeichnete Schulungsdaten. „Die Idee ist, eine mathematische Darstellung von Signalen zu verwenden, die optimal ist, weil sie viele Eigenschaften auf verschiedenen Zeitskalen erfasst und ein Maximum an Information ausdrückt“, sagt der Projektkoordinator. Darüber hinaus können globale Informationen ohne vorherige Annahmen extrahiert werden, die sich nicht ausschließlich auf gelernte Merkmale verlassen. Daher nutzt dieser Data-Mining-Ansatz die Vorteile von KI-Instrumenten und Fachwissen, insbesondere beim Umgang mit großen Datensätzen.
Methodische Fortschritte
Im Rahmen des Projekts wurde nicht nur die Anwendung des nicht überwachten Lernens verbessert, sondern auch eine Technik zur Erkennung und Lokalisierung kleiner Erdbeben eingeführt. Diese Methode nutzt die Daten eines Netzes mit Sensoren oder Observatorien und berücksichtigt physikalische Einschränkungen, wie z. B. Schwankungen in der Zeit, die seismische Wellen benötigen, um die Erde zu durchdringen. Durch die Berücksichtigung dieser globalen Eigenschaften und physikalischen Beschränkungen verbessert die Technik des Projekts die Genauigkeit und Wirksamkeit der Erdbebenerkennung und -ortung. Um die Erkennungskapazität der Erdbeben zu verbessern, führten die Forschenden statistische Quantifizierungsschritte ein, die direkt von Deep-Learning-Methoden abgeleitet und durch große gekennzeichnete Datenbanken gespeist werden. Das Projekt spielte eine entscheidende Rolle bei der Weiterentwicklung von Techniken, die seismische Hintergrundschwingungen verwenden, um Bilder der geologischen Merkmale der Erde und ihrer zeitlichen Veränderungen zu erstellen. „F-IMAGE ist ein innovativer Ansatz auf dem sich schnell entwickelnden Gebiet der Seismologie. Seine Anwendung wird auf Verwerfungszonen konzentriert und es werden verschiedene methodische Fortschritte wie die Verwendung von Körperwellen, die Nutzung von Erkenntnissen aus akustischen und optischen Bildgebungsverfahren und die Analyse von mehrfach gestreuter seismischer Energie genutzt“, so Campillo. Die methologischen Entwicklungen, an denen Campillo und sein Team gearbeitet haben, können in Zukunft auch auf andere Bereiche übertragen werden, da diese innovativen Techniken auch außerhalb der Seismologie eingesetzt werden können. Fachleute, die zum Beispiel im medizinischen oder industriellen Bereich tätig sind, können von der verbesserten Überwachung und Datenanalyse profitieren.
Schlüsselbegriffe
F-IMAGE, KI, Erdbeben, Seismik, Bodenbewegungen, Deep Learning, Seismologie, Verwerfungsdynamik