Emmanuel David Castillo, magíster en Ciencias Geofísica de la Universidad Nacional de Colombia, creó un modelo para medir la actividad sísmica del país usando el aprendizaje profundo de la Inteligencia Artificial.
En los últimos meses se han venido registrando varios eventos sísmicos en Colombia. De acuerdo al Servicio Geológico Colombiano (SGC), lo anterior ocurre debido a que el país se localiza dentro de una de las zonas sísmicas más activas de la Tierra, pues en la región convergen las placas tectónicas de Nazca y del Caribe contra la placa Suramericana.
Justamente como parte de su trabajo de tesis de su Maestría en Ciencias, Emmanuel David Castillo, implementó dos modelos de aprendizaje profundo propios de la Inteligencia Artificial (IA), para detectar eventos sísmicos en el país.
De acuerdo a la premisa de Castillo, si el Aprendizaje profundo (o Deep Learning) es capaz de detectar distintos objetos en imágenes, también estaría en la capacidad de detectar eventos sísmicos en un sismograma.
Y así fue. La idea de Castillo es implementar los modelos de IA EQTransformer y PhaseNet, que fueron previamente entrenados con información de sismos de diferentes países del mundo. Lo mejor de todo es que en países como Estados Unidos o Japón, esta tecnología ha entregado buenos resultados.
“Para detectar y picar las fases sísmicas automáticamente de la red CM, utilizamos dos modelos de Deep Learning pre-entrenados: EQTransformer y PhaseNet. Derivamos algunas estadísticas para comparar el rendimiento tanto en fiabilidad como en compatibilidad con el algoritmo de asociación y localización Scanloc.
El experto aseguró además que los datos detectados por estos modelos de IA son capaces de reconocer los tiempos de llegada de cada onda sísmica, especialmente las de baja magnitud o las de grandes series de réplicas, que en ocasiones se hacen más fáciles de percibir de forma manual por los expertos.
Un modelo de Inteligencia Artificial que podría tener éxito en Colombia
De acuerdo al documento de investigación de Castillo, los resultados muestran que esta implementación es lo suficientemente fiable como para generar catálogos sísmicos automáticos con la calidad adecuada, en términos de errores de localización de eventos. Además, el magister en ciencias asegura que esta tecnología es capaz de definir las principales estructuras tectónicas.
“Mejor aún, puede mejorar los tiempos de procesamiento de terremotos y complementar los catálogos manuales gracias a su buen rendimiento para terremotos pequeños y réplicas”
Dentro de las conclusiones de su investigación, Castillo indicó que en términos de detección, el modelo PhaseNet detecta eventos más pequeños, mientras que EQTransformer muestra mayor confianza en sus resultados.
Para investigar y crear los algoritmos, Castillo utilizó la Red Sismológica Colombiana (RSC), con 59 estaciones de seguimiento en todo el territorio; la Red Sísmica del Valle Medio del Magdalena (VMM), con 32 estaciones, y la red de los Andes del Caribe-Mérida (YU), con 65 estaciones.
Descargo de responsabilidad
Descargo de responsabilidad: en cumplimiento de las pautas de Trust Project, BeInCrypto se compromete a brindar informes imparciales y transparentes. Este artículo de noticias tiene como objetivo proporcionar información precisa y oportuna. Sin embargo, se recomienda a los lectores que verifiquen los hechos de forma independiente y consulten con un profesional antes de tomar cualquier decisión basada en este contenido.
