Inteligencia Artificial

Ciencia profunda: uso del aprendizaje automático para estudiar anatomía, clima y terremotos

Los artículos de investigación se publican con demasiada rapidez para que cualquiera pueda leerlos todos, especialmente en el campo del aprendizaje automático, que ahora afecta (y produce artículos en) prácticamente todas las industrias y empresas. Esta columna tiene como objetivo recopilar los descubrimientos y artículos recientes más relevantes, especialmente en inteligencia artificial, entre otros, y explicar por qué son importantes.

Varios proyectos de investigación publicados recientemente han utilizado el aprendizaje automático para intentar comprender o predecir mejor estos fenómenos.

Esta semana tiene un poco más de «investigación básica» que las aplicaciones para el consumidor. El aprendizaje automático se puede aplicar de manera ventajosa de muchas maneras de las que los usuarios se benefician, pero también es transformador en áreas como la sismología y la biología, donde se pueden aprovechar enormes acumulaciones de datos para entrenar modelos de IA o como materia prima que se extraerá para obtener información.

Dentro de Earthshakers

Estamos rodeados de fenómenos naturales que realmente no entendemos; obviamente sabemos de dónde vienen los terremotos y las tormentas, pero ¿cómo se propagan exactamente? ¿Qué efectos secundarios hay si hace referencias cruzadas de diferentes medidas? ¿Qué tan lejos se pueden predecir estas cosas?

Varios proyectos de investigación publicados recientemente han utilizado el aprendizaje automático para intentar comprender o predecir mejor estos fenómenos. Con décadas de datos disponibles para extraer, hay conocimientos que se pueden obtener en todos los ámbitos de esta manera, si los sismólogos, meteorólogos y geólogos interesados ​​en hacerlo pueden obtener la financiación y la experiencia para hacerlo.

El descubrimiento más reciente, elaborado por investigadores de Los Alamos National Labs, utiliza una nueva fuente de datos, así como ML para documentar el comportamiento previamente no observado a lo largo de las fallas durante los «terremotos lentos». Utilizando un radar de apertura sintética capturado desde la órbita, que puede ver a través de la capa de nubes y por la noche para proporcionar imágenes precisas y regulares de la forma del suelo, el equipo pudo observar directamente la «propagación de la ruptura» por primera vez, a lo largo del norte de Anatolia. Fallo en Turquía.

“El enfoque de aprendizaje profundo que desarrollamos hace posible detectar automáticamente la pequeña y transitoria deformación que ocurre en las fallas con una resolución sin precedentes, allanando el camino para un estudio sistemático de la interacción entre terremotos lentos y regulares, a escala global”, dijo. Bertrand Rouet-Leduc, geofísico de Los Alamos.

Otro esfuerzo, que ha estado en curso durante algunos años en Stanford, ayuda al investigador de ciencias de la Tierra Mostafa Mousavi a lidiar con el problema de la relación señal-ruido con datos sísmicos. Al estudiar detenidamente los datos que son analizados por software antiguo por mil millonésima vez un día, sintió que tenía que haber una mejor manera y ha pasado años trabajando en varios métodos. El más reciente es una forma de desentrañar la evidencia de pequeños terremotos que pasaron desapercibidos pero que aún dejaron un registro en los datos.

El «transformador de terremotos» (que lleva el nombre de una técnica de aprendizaje automático, no de los robots) se entrenó con años de datos sismográficos etiquetados a mano. Cuando se probó en las lecturas recopiladas durante el terremoto de Tottori de magnitud 6.6 en Japón, aisló 21.092 eventos separados, más del doble de lo que la gente había encontrado en su inspección original, y utilizando datos de menos de la mitad de las estaciones que registraron el terremoto.

Créditos de imagen: Universidad Stanford

La herramienta no predecirá terremotos por sí sola, pero comprender mejor la verdadera y completa naturaleza de los fenómenos significa que podríamos hacerlo por otros medios. “Al mejorar nuestra capacidad para detectar y localizar estos terremotos muy pequeños, podemos obtener una visión más clara de cómo interactúan o se extienden los terremotos a lo largo de la falla, cómo comienzan, incluso cómo se detienen”, dijo el coautor Gregory Beroza.


Source link

Looks like you have blocked notifications!

Neto

Soy Neto, creador de LaNetaNeta.com Me apasiona leer y aprender, disfruto escribir y compartir publicaciones interesantes con el publico.

¿Ya viste esto?

Botón volver arriba