Un solo sismómetro a menudo no basta para detectar de forma fiable terremotos o actividades humanas como ensayos nucleares subterráneos. Por ello, los investigadores combinan las lecturas de sismómetros distribuidos en una pequeña área geográfica para aumentar la precisión de su análisis. Un nuevo estudio de Köhler et al demuestra que la inteligencia artificial (IA) puede combinar las lecturas de múltiples sensores de forma más eficaz que la tecnología clásica, lo que permite una detección más fiable de señales sísmicas débiles.
Los investigadores aprovecharon 30 años de lecturas de redes sísmicas operadas por la fundación de investigación noruega NORSAR y otros operadores, y entrenaron un modelo de IA de tres maneras diferentes para detectar señales sísmicas. Primero, lo entrenaron con datos de una estación individual a la vez, luego aplicaron el modelo y combinaron los resultados de cada estación. Segundo, combinaron las señales de múltiples sensores en la misma red utilizando una técnica clásica, luego entrenaron el modelo con estas señales combinadas de múltiples estaciones. Y tercero, le proporcionaron al modelo todos los datos de todas las estaciones de la red y dejaron que decidiera cómo combinarlos.
El segundo método (que combina las señales antes del entrenamiento) amplificó las señales débiles y proporcionó la detección de señales más precisa de los tres métodos. Por otro lado, el tercer modelo (que permite que el modelo decida cómo combinar los datos de las estaciones) fue la estrategia computacionalmente más eficiente y se situó entre los otros dos métodos en términos de precisión.
Teniendo en cuenta la necesidad de equilibrar la precisión con la velocidad, los investigadores recomiendan dejar que el modelo decida cómo combinar los datos al realizar un monitoreo en tiempo real, pero combinar los datos antes o después de la aplicación del modelo cuando se acepta un enfoque más lento. Sin embargo, el modelo no se generaliza bien a áreas fuera de aquellas con las que fue entrenado. Esto se debe a que se utilizó un conjunto de datos de entrenamiento limitado regionalmente; se espera que el entrenamiento con datos globales mejore los resultados. El problema se presentó principalmente con las ondas S, mientras que la generalización en la detección de ondas P no fue un problema.
En general, los resultados demuestran que la IA puede mejorar la monitorización sísmica al ayudar a los investigadores a detectar señales débiles de terremotos, pruebas nucleares subterráneas y otras actividades sísmicas que, de otro modo, serían difíciles de identificar. (Journal of Geophysical Research: Machine Learning and Computation, https://doi.org/10.1029/2026JH001249, 2026).
Este artículo apareció originalmente en la revista EOS.
Fuente: ZME Science.