Успешно предсказав землетрясения в лаборатории, команда геофизиков применила алгоритм машинного обучения к землетрясениям северо-западного тихоокеанского побережья
Остатки 2000-летнего хвойного леса на Несковин-бич, Орегон – одного из десятков «лесов-призраков», расположенных вдоль побережий Орегона и Вашингтона. Считается, что масштабное землетрясение когда-то сотрясло зону субдукции Каскадия, а пни были похоронены под обломками, принесёнными цунами
В мае прошлого года, после 13-месячной дремоты, земля под вашингтонским заливом Пьюджет с грохотом пришла в движение. Землетрясение началось на глубине более 30 км под горами Олимпик-Маунтинс, и за несколько недель сдвинулось на северо-запад, достигнув канадского острова Ванкувер. Затем оно ненадолго обратило свой курс, поползло назад, вдоль границы США, и потом умолкло. Месячное землетрясение выпустило достаточно энергии, чтобы его магнитуду можно было оценить в 6. К концу землетрясения южный конец острова Ванкувер выдвинулся в Тихий океан на дополнительный сантиметр.
Поскольку землетрясение было настолько размазано по пространству и времени, его, скорее всего, никто не почувствовал. Такие призрачные землетрясения, происходящие глубже под землёй по сравнению с обычными, быстрыми землетрясениями, известны, как «медленные соскальзывания». Примерно раз в год они случаются на тихоокеанском северо-западе, вдоль разлома, по которому плита Хуана де Фука медленно подползает под северную часть западного края Северо-Американской плиты. С 2003 года в широко раскинувшейся сети сейсмологических станций в этом регионе было зафиксировано более десятка медленных соскальзываний. И в последние полтора года эти события находятся в центре внимания проекта предсказания землетрясений, руководимого геофизиком Полом Джонсоном.
Команда Джонсона – одна из нескольких групп учёных, использующих машинное обучение для того, чтобы попытаться раскрыть тайны физики землетрясений и вычленить признаки нарождающегося землетрясения. Два года назад при помощи ищущего закономерности алгоритма, похожего на те, что использовались во время недавних прорывов в распознавании изображений и речи и других применениях искусственного интеллекта, Джонсон с коллегами успешно предсказали землетрясения в лабораторной модели. С тех пор это достижение удалось повторить учёным из Европы.
А теперь в работе, опубликованной в сентябре этого года на сайте препринтов arxiv.org, Джонсон с командой сообщают о проверке их алгоритма на медленных землетрясениях на тихоокеанском северо-западе. Работе ещё предстоит пройти проверку независимых экспертов, однако те уже сообщают о том, что результаты оказались многообещающими. Джонсон утверждает, что алгоритм может предсказывать начало медленного землетрясения «за несколько дней – а возможно, и раньше».
«Это очень интересное развитие событий, — сказал Маартен де Хуп, сейсмолог из университета Райса, не связанный с этой работой. – Впервые наступил тот момент, когда мы достигли прогресса» в предсказании землетрясений.
Мостафа Мусави, геофизик из Стэнфордского Университета, назвал новые результаты «интересными и мотивирующими». Он, де Хуп и другие специалисты этой области подчёркивают, что машинному обучению предстоит ещё долгий путь до того момента, как оно начнёт предсказывать катастрофические землетрясения – и что некоторые препятствия на этом пути могут быть очень сложными, а возможно и непреодолимыми. И всё же, машинное обучение может оказаться лучшим шансом учёных в области, в которой они десятилетиями топтались на месте и практически не видели проблесков надежды.
Застревания и соскальзывания
Покойный сейсмолог Чарльз Рихтер, именем которого названа шкала оценки силы землетрясения, в 1977 году отметил, что предсказание землетрясений может стать «прекрасной почвой для любителей, психов и ищущих публичности мошенников». Сегодня многие сейсмологи подтвердят вам, что они встречали достаточно много представителей всех трёх типов.
Однако бывало, что и уважаемые учёные выдавали идеи, которые в ретроспективе кажутся далёкими от истины, а иногда и просто безумными. Геофизик из Афинского университета, Панайотис Вароцос, заявлял, что был способен распознавать надвигающиеся землетрясения, измеряя «сейсмические электрические сигналы». Брайан Брейди, физик из министерства шахт США в начале 1980-х несколько раз поднимал ложную тревогу о приближении землетрясений в Перу, основывая свои выводы на неподтверждённых выводах о том, что растрескивание камней в шахтах было признаком надвигающихся землетрясений.
Пол Джонсон в курсе этой неоднозначной истории. Он знает, что во многих местах даже неприлично будет заговаривать про «предсказания землетрясений». Он знает, что шестерых итальянских учёных осудили за непреднамеренное убийство 29 человек в 2012 году, преуменьшивших шансы на землетрясение в итальянском городе Л’Акуила за несколько дней до того, как регион был практически разрушен землетрясением магнитудой в 6,3 балла (потом апелляционный суд отменил этот приговор). Он знает о выдающихся сейсмологов, убедительно заявлявших, что «землетрясения предсказывать невозможно».
Однако Джонсон также знает, что землетрясения – это физические процессы, не отличающиеся по сути от коллапса умирающей звезды или перемены направления ветра. И хотя он подчёркивает, что главная цель его исследований – лучше разобраться в физике разломов, он не отказывается и от задачи предсказаний.
Пол Джонсон, сейсмолог из национальной лаборатории Лос-Аламоса с образцом акрилового пластика в руках – одного из материалов, используемых командой для симулирования землетрясений в лаборатории
Более десяти лет назад Джонсон начал изучать «лабораторные землетрясения», которые симулируют при помощи блоков, скользящих по тонким прослойкам из гранулированного материала. Эти блоки, как и тектонические плиты, скользят не плавно, а с урывками и остановками. Иногда на несколько секунд они замирают, удерживаемые трением, а потом нарастающее усилие оказывается достаточным для того, чтобы они внезапно начинали скользить далее. Это соскальзывание – лабораторный вариант землетрясения – высвобождает напряжение, после чего цикл рваных перемещений начинается заново.
Когда Джонсон с коллегами записали акустический сигнал, возникающий во время этого прерывистого движения, они заметили острые пики, проявляющиеся перед каждым соскальзыванием. Эти предшествующие движению события стали лабораторным эквивалентом сейсмических волн, которые производят толчки, предваряющие землетрясения. Однако как сейсмологи безуспешно пытались превратить предварительные толчки в предсказание момента наступления основного землетрясения, так и Джонсон с коллегами не могли понять, как превратить эти предваряющие события в надёжные предсказания лабораторных землетрясений. «Мы упёрлись в тупик, — вспоминает Джонсон. – Я не видел способов продолжать».
На встрече в Лос-Аламосе, прошедшей несколько лет назад, Джонсон объяснил эту дилемму группе теоретиков. Они предложили заново проанализировать данные, используя алгоритмы машинного обучения – этот подход к тому времени уже был известен способностью неплохо распознавать закономерности в аудио данных.
Учёные совместно разработали план. Они решили взять пять минут аудио, записанных во время экспериментов – в которые укладывалось порядка 20 циклов соскальзывания и застревания – и порезать их на множество мелких отрезков. Для каждого сегмента исследователи подсчитали более 80 статистических особенностей, включая средний сигнал, отклонения от среднего, информацию о том, содержится ли в этом отрезке предваряющий сдвиг звук. Поскольку исследователи анализировали данные задним числом, им было известно, сколько времени прошло между каждым сегментом со звуком и последующим толчком в лаборатории.
Вооружившись этими данными для обучения, они использовали алгоритм машинного обучения под названием «random forest» [случайный лес] для систематического поиска комбинаций признаков, явно связанных с количеством времени, оставшимся до сдвига. Изучив несколько минут экспериментальных данных, алгоритм мог начать предсказывать время сдвига на основе акустических признаков.
Алгоритм «случайный лес» Джонсон с коллегами выбрали для предсказания оставшегося до нового сдвига времени, в частности, потому, что (по сравнению с нейросетями и другими популярными алгоритмами машинного обучения) «случайный лес» относительно легко интерпретировать. Работает алгоритм, по сути, как дерево решений, в котором каждая ветвь разделяет набор данных на основе некоего статистического признака. Поэтому в дереве сохраняются записи того, какие признаки алгоритм использовал для предсказаний – и относительная важность каждого из признаков, помогавших алгоритму прийти к определённому предсказанию.
Поляризованные линзы показывают накопление напряжения перед тем, как модель тектонической плиты сдвигается вбок по линии разлома
Когда исследователи из Лос-Аламоса изучили подробности работы своего алгоритма, они были удивлены. По большей части алгоритм опирался на статистический признак, не связанный с событиями, случившимися непосредственно перед лабораторным землетрясением. Его больше дисперсия – мера отклонения сигнала от среднего – причём, размазанная по всему циклу торможений и скольжений, а не сосредоточенная в моментах, непосредственно предшествующих сдвигу. Дисперсия начиналась с небольших величин, и потом постепенно накапливалась во время приближения к сдвигу, вероятно, потому, что крупинки между блоками всё больше сталкивались друг с другом по мере накопления напряжения. Зная эту дисперсию, алгоритм смог неплохо предсказывать время начала сдвига; а информация о непосредственно предшествующих событиях помогала уточнять эти догадки.
У этого открытия могут быть серьёзные последствия. Десятилетиями люди пытались предсказывать землетрясения, основываясь на предварительных толчках и других изолированных сейсмических событиях. Результат из Лос-Аламоса предполагает, что все они искали не там – и что ключом к предсказаниям была менее явная информация, которую можно собрать во время относительно спокойных периодов между крупными сейсмическими событиями.
Конечно же, скользящие блоки пластика и близко не описывают химическую, термическую и морфологическую сложность реальных геологических разломов. Чтобы продемонстрировать возможности машинного обучения в предсказании реальных землетрясений, Джонсону нужно было проверить его на реальных разломах. А есть ли место лучше, подумал он, чем тихоокеанское северо-западное побережье?
Выход из лаборатории
Большая часть мест на Земле, где могут происходит землетрясения магнитудой в 9 баллов – это зоны субдукции, где одна тектоническая плита подползает под другую. Зона субдукции к востоку от Японии в ответе за землетрясение в Тохоку и последующее цунами, разрушившее побережье страны в 2011. Однажды зона субдукции Каскадия, в которой плита Хуана де Фука подползает под северную часть западного края Северо-Американской плиты, таким же образом причинит разрушения заливу Пьюджет, острову Ванкувер и окружающему тихоокеанскому северо-западному региону.
Зона субдукции Каскадия протянулась на 1000 км вдоль тихоокеанского побережья от мыса Мендочино в Калифорнии до острова Ванкувер. В последний раз, когда там было землетрясение, в январе 1700 года, оно вызвало толчки магнитудой в 9 баллов и цунами, дошедшее до берегов Японии. Геологические изыскания свидетельствуют, что во время голоцена этот разлом порождал подобные мегаземлетрясения примерно раз в полмиллиона лет, плюс-минус несколько сотен лет. Статистически, следующее может произойти в любое столетие.
Это одна из причин, по которой сейсмологи обращают такое пристальное внимание на медленные землетрясения в этом регионе. Считается, что медленные землетрясения в нижней части зоны субдукции переносят небольшое количество напряжения в хрупкую кору, находящуюся выше, где и происходят быстрые и разрушительные толчки. С каждым медленным землетрясением шансы на мегаземлетрясение в регионе залива Пьюджет — острова Ванкувер немного повышаются. И действительно, в Японии за несколько месяцев до землетрясения в Тохоку было замечено медленное землетрясение.
Но у Джонсона есть ещё одна причина следить за медленными землетрясениями: они выдают огромное количество данных. Для сравнения, за последние 12 лет в разломе залива Пьюджет — острова Ванкувер не было ни одного крупного быстрого землетрясения. Но за этот же период этот разлом спровоцировал более десяти медленных землетрясений, и каждое из них было тщательно зафиксировано в сейсмическом каталоге.
Этот сейсмический каталог – реальная копия акустических записей, полученных в лабораторных экспериментах Джонсона с землетрясениями. Джонсон с коллегами точно так же, как и в случае с их лабораторными акустическими записями, разбили сейсмические данные на небольшие сегменты, и описали каждый из них набором статистических признаков. Затем они скормили эти данные и информацию о том, когда происходили предыдущие медленные землетрясения, своему алгоритму машинного обучения.
Потренировавшись на данных с 2007 по 2013 год, алгоритм смог успешно предсказывать медленные землетрясения, происходившие с 2013 по 2018 на основе данных, записанных за несколько месяцев до каждого события. Ключевым фактором выступала сейсмическая энергия – величина, близко связанная с дисперсией акустического сигнала в лабораторных экспериментах. Как и дисперсия, сейсмическая энергия характерно вырастала в преддверии каждого медленного землетрясения.
Предсказания для зоны субдукции Каскадия оказались не такими точными, как для лабораторных землетрясений. Коэффициенты корреляции, характеризующие качество совпадения предсказаний с наблюдениями, у новых результатов были ощутимо меньше, чем в лаборатории. И всё же алгоритм сумел предсказать все медленные землетрясения, кроме одного, за период с 2013 по 2018, указав начальные даты, по словам Джонсона, с точностью до нескольких дней (медленное землетрясение августа 2019 в исследование не вошло).
Для де Хупа главный вывод состоит в том, что «технологии машинного обучения дали нам входную точку, метод анализа данных для поиска таких вещей, которые ранее мы не видели и не искали». Однако он предупреждает, что предстоит ещё много работы. «Мы сделали важный шаг – чрезвычайно важный. Однако это крохотный шаг в нужном направлении».
Отрезвляющая правда
Целью предсказания землетрясений никогда не было предсказание медленных землетрясений. Всем нужно предсказывать внезапные и катастрофические толчки, угрожающие жизни и здоровью. Для машинного обучения это, казалось, представляет парадокс: самые крупные землетрясения, которые сейсмологам больше всего хотелось бы предсказывать, случаются реже всего. Как алгоритм машинного обучения сможет получить достаточные объёмы обучающих данных, чтобы уверенно предсказывать их?
Группа Лос-Аламоса считает, что их алгоритму в принципе не нужно будет обучаться на данных, полученных из записей катастрофических землетрясений, чтобы успешно их предсказывать. Недавние исследования говорят о том, что сейсмические закономерности, предшествующие небольшим землетрясениям, статистически похожи на те, что предшествуют крупным, а в одном разломе в любой день могут произойти десятки мелких землетрясений. Обучившись на тысячах этих маленьких толчков, компьютер, возможно, сможет предсказывать и большие. Также алгоритмы машинного обучения, возможно, смогут обучаться на компьютерных симуляциях быстрых землетрясений, которые однажды смогут стать заменой реальным данным.
Но всё равно, учёные сталкиваются с отрезвляющей правдой: хотя физические процессы, приводящие разлом на грань землетрясения, и могут стать предсказуемыми, само возникновение землетрясения – рост небольших сейсмических возмущений, приводящих к полномасштабному разрыву разлома – по мнению большей части учёных, содержит элемент случайности. Если это так, то вне зависимости от качества обучения машин, они, возможно, никогда не смогут предсказывать землетрясения так, как учёные смогли предсказывать другие природные катастрофы.
«Мы пока не знаем, насколько точные даты смогут выдавать предсказания, — сказал Джонсон. – Будет ли это похоже на предсказание ураганов? Нет, не думаю».
В лучшем случае, предсказания крупных землетрясений будут выдавать временные рамки длительностью в недели, месяцы или годы. Такие предсказания нельзя будет использовать, к примеру, для организации массовой эвакуации городов накануне толчков. Но они могут улучшить подготовку к этому событию, помочь чиновникам сконцентрировать усилия на укреплении небезопасных зданий и иным образом уменьшить опасность катастрофического землетрясения.
Джонсон считает, что такой цели стоит достичь. Но, будучи реалистом, он понимает, что это займёт много времени. «Не утверждаю, что мы научимся предсказывать землетрясения при моей жизни, — сказал он, — но мы достигнем огромного прогресса в этом направлении».
Источник
