Hệ thống DeepShake có thể dự đoán trước 3 - 13 giây khi động đất xảy ra.
Hệ thống có thể dự đoán cách mặt đất sẽ di chuyển trong thời gian xảy ra thảm họa. Từ đó, đưa ra thông báo trước vài giây rằng, rung chuyển sắp xảy ra.
Tiết kiệm thời gian
Trước đó, các nhà khoa học Mỹ cũng đã phát triển một hệ thống tương tự sử dụng phương pháp tính toán truyền thống hơn. Hệ thống có tên gọi là ShakeAlert và hoạt động bằng cách phát hiện các sóng đầu tiên của chuyển động động đất - được gọi là sóng P. Sau đó, ShakeAlert tính toán thời điểm khi nào tập hợp các sóng gây ra hầu hết những rung chuyển sẽ xuất hiện. Đó được gọi là sóng S và chuyển động chậm hơn.
Trong khi đó, hệ thống mới đang được phát triển với tên gọi DeepShake. Hệ thống này cũng nhằm đưa ra cảnh báo trước vài giây về sự rung chuyển sắp xảy ra, khi một trận động đất bắt đầu xuất hiện. Tuy nhiên, DeepShake sử dụng mạng nơ-ron sâu, một dạng của AI. Nhờ đó, xác định các mô hình từ những trận động đất trong quá khứ.
DeepShake có thể dự đoán rung chuyển từ một trận động đất mới và biết thảm họa này sẽ có lộ trình di chuyển như thế nào. Khả năng này có thể dẫn đến quá trình xử lý nhanh hơn. Đồng thời, giúp tổng quát hóa dễ dàng hơn trên các khu vực khác nhau có khả năng xảy ra động đất.
Avoy Datta - một nghiên cứu sinh về kỹ thuật điện tại Trường Đại học Stanford (Mỹ) và là người trực tiếp phát triển DeepShake, cho biết: “Khi chúng tôi bắt đầu dự án này, mục tiêu của chúng tôi là đánh bại các phương trình dự đoán chuyển động trên mặt đất hiện đang được sử dụng để lập trình các hệ thống cảnh báo rung DeepShake.
Nếu chúng tôi chạy 25 mô hình DeepShake, thì sẽ mất khoảng 6,1 mili giây trên một GPU nghiên cứu duy nhất (đơn vị xử lý đồ họa). Điều này sẽ nhanh chóng mặt”.
Dự đoán rung lắc
DeepShake sử dụng một mạng nơ-ron sâu của AI để xác định các mô hình từ các trận động đất trong quá khứ nhằm dự đoán rung chuyển từ một trận động đất mới sẽ di chuyển như thế nào. Điều này có thể dẫn đến quá trình xử lý nhanh hơn và khả năng tổng quát hóa dễ dàng hơn trên các vùng dễ xảy ra động đất khác nhau.
Trong một bài thuyết trình tại cuộc họp trực tuyến của Hiệp hội Địa chấn Mỹ, Datta và đồng nghiệp của mình, Daniel Wu - sinh viên tại Trường Đại học Stanford, đã báo cáo kết quả nghiên cứu.
Báo cáo được trình bày sau khi DeepShake được đào tạo thành công để dự đoán chuyển động trên bề mặt của các trận động đất gần Ridgecrest, California.
Đây là khu vực nằm trong vùng đứt gãy San Andreas và thường xuyên hứng chịu thảm họa động đất. Năm 2019, Ridgecrest đã bị rung chuyển sau hơn 1.400 dư chấn chỉ trong một ngày, trong đó có một đợt với cường độ 5,4 độ Richter.
Đứt gãy San Andreas dài khoảng 1.200 km chạy dọc từ bắc xuống nam California và từng gây ra nhiều trận động đất mạnh trong quá khứ. Đặc biệt, trận động đất 7,9 độ Richter năm 1906 tại San Francisco đã khiến hàng nghìn người thiệt mạng và tàn phá hầu hết thành phố.
Nhà nghiên cứu Datta, Wu và các đồng nghiệp đã sử dụng chuỗi các trận động đất này để huấn luyện DeepShake. Nhờ đó, giúp hệ thống có thể dự đoán rung chuyển mặt đất trong khu vực. Họ bắt đầu với tập dữ liệu gồm hơn 36.000 trận động đất xảy ra ở Ridgecrest từ tháng 7 đến tháng 9/2019.
Hầu hết đó đều là những trận động đất khá nhỏ. Các nhà nghiên cứu đã đưa 80% tập dữ liệu vào mạng nơ-ron sâu, tiết kiệm 10% cho việc điều chỉnh các thông số của mạng và 10% cuối cùng để kiểm tra xem kết quả của mạng có khớp với thực tế hay không.
Các nhà nghiên cứu đã lập trình mạng lưới để giúp hệ thống có khả năng dự đoán sớm những trận động đất lớn hơn. Bởi, theo các nhà nghiên cứu, các trận động đất mạnh nhất là thứ mà mọi người cần được cảnh báo nhiều nhất.
Đưa ra cảnh báo
Chia sẻ với Live Science, nhà nghiên cứu Wu cho biết, hệ thống DeepShake không được cung cấp thông tin về vị trí hoặc kiểu động đất. Tuy nhiên, hệ thống này có thể cảnh báo rung chuyển tại các khu vực xảy ra địa chấn khác, từ 3 - 13 giây trước khi thảm họa xuất hiện. Cảnh báo ở mức thời gian này được cho là tương tự như khả năng của hệ thống ShakeAlert.
Tuy nhiên, hai nhà nghiên cứu Wu và Datta không xem hệ thống ShakeAlert là đối thủ cạnh tranh. Thay vào đó, họ cho rằng, công nghệ của DeepShake có thể được sử dụng để bổ sung một số khía cạnh và hỗ trợ cho ShakeAlert. Các nhà nghiên cứu bày tỏ hy vọng sẽ mở rộng thử nghiệm sang các chuỗi động đất khác.
Mặt đất rung chuyển tại bất kỳ điểm nhất định nào có thể là điều khó được dự đoán. Ví dụ, hệ thống ShakeAlert không gửi được cảnh báo trong các trận động đất mạnh nhất trong chuỗi Ridgecrest vào năm 2019. Bởi, động đất ở một số khu vực chỉ gặp rung lắc nhẹ. Tuy nhiên, hệ thống từng dự báo, những rung chuyển đó không đạt đến ngưỡng nhẹ.
Các nhà phát triển của ShakeAlert đã thực hiện một số thay đổi đối với hệ thống này kể từ năm 2019 để kết hợp những bài học kinh nghiệm đó. Tuy nhiên, theo nhà nghiên cứu Wu, lợi thế của các mạng học sâu là chúng tự động kết hợp các điểm khác biệt của hệ thống.
Bởi, chúng dựa trên kinh nghiệm rung chuyển trong quá khứ ở địa điểm đó. Không giống như ShakeAlert sử dụng nhiều phương trình phổ quát hơn với các giả định được tích hợp sẵn, hệ thống DeepShake sẽ phải được đào tạo lại ở từng khu vực riêng lẻ - nơi nó được ứng dụng.
Đặc biệt, quá trình đào tạo này có thể sẽ giúp hệ thống nắm bắt được những khả năng mà các phương trình truyền thống có thể không làm được.
“Những nơi mà học sâu thực sự phát triển mạnh mẽ thường có rất nhiều dữ liệu và các mô hình phức tạp để khám phá”, nhà nghiên cứu Wu nhận định.
