Utilizzare algoritmi di machine learning per riconoscere nei dati specifiche configurazioni dell’attività sismica e studiare come evolve l’attività delle faglie nel tempo. È questo l’obiettivo di uno studio recentemente pubblicato su Nature Communications che ha coinvolto anche l’Istituto Nazionale di Oceanografia e di Geofisica Sperimentale - OGS insieme all’Università degli Studi di Genova e ad altre realtà scientifiche internazionali, tra cui l’Helmholtz Centre for Geosciences (DE), la RWTH Aachen University (DE), l’University of Potsdam (DE), la Freie Universität Berlin (DE) e la Stanford University (CA, USA).
“Prevedere i terremoti non è attualmente possibile e resta una delle principali sfide della ricerca sismologica”, spiega Matteo Picozzi, direttore del Centro di Ricerche Sismologiche dell’OGS e co-autore dello studio. “Negli ultimi anni, però, il Machine Learning ha aperto nuove opportunità per analizzare grandi quantità di dati sismologici e studiare l’evoluzione dei sistemi di faglia. In questo lavoro abbiamo utilizzato un approccio di machine learning non supervisionato, cioè un metodo che individua autonomamente strutture e similarità nei dati senza istruzioni predefinite”.
