Algorithmus für maschinelles Lernen sagt Erdbeben im Labor voraus

Erdbeben fordern einen schrecklichen menschlichen Tribut. Etwa 10.000 Menschen sterben jedes Jahr durch Erdbeben und ihre Folgen, aber die Zahl der Opfer kann viel höher sein. Über 230.000 Menschen starben bei dem Tsunami nach dem Beben der Stärke 9 vor der Küste Sumatras im Jahr 2004; mehr als 200.000 starben 2010 in Haiti, nachdem das Land von einem Beben der Stärke 7 heimgesucht wurde; und mehr als 800.000 sollen 1556 bei einem Erdbeben in China ums Leben gekommen sein.

Ein besserer Weg – wie auch immer – zur Vorhersage von Beben wäre also enorm wertvoll.

Hier treten Bertrand Rouet-Leduc vom Los Alamos National Laboratory in New Mexico und ein paar Freunde auf, die eine bemerkenswerte Entdeckung gemacht haben. Sie haben einen maschinellen Lernalgorithmus trainiert, um die verräterischen Anzeichen dafür zu erkennen, dass ein Erdbeben im Labor bald nachgibt, indem sie nur die Geräusche verwenden, die es unter Belastung aussendet. Das Team ist vorsichtig in Bezug auf den Nutzen der neuen Technik für echte Erdbeben, aber die Arbeit eröffnet neue Forschungswege in diesem Bereich.

Zuerst etwas Hintergrund. Geologen können schon lange das ungefähre Risiko eines Erdbebens berechnen. Ihr Ansatz besteht darin, herauszufinden, wann sich der Fehler in der Vergangenheit bewegt hat, und jede Periodizität zu verwenden, um die Zukunft vorherzusagen.

Das berühmteste Beispiel betrifft das Parkfield-Segment der San-Andreas-Verwerfung in Kalifornien, eine der am sorgfältigsten untersuchten Verwerfungen auf dem Planeten. Erdbeben ereigneten sich hier in den Jahren 1857, 1881, 1901, 1922, 1934 und 1966, was auf ein Muster hindeutet, bei dem Beben alle 22 Jahre auftreten oder einige Jahre dauern. Geologen sagten daher voraus, dass es zwischen 1988 und 1993 zu einem Beben kommen würde, aber sie mussten bis 2004 auf ihr Beben warten.

Und das ist ungefähr so ​​​​gut wie Erdbebenvorhersagen – an den meisten anderen Orten sind die Fehlerbalken um Größenordnungen größer.

Solche Vorhersagen sind nützlich, um Dinge wie Baustandards in Regionen durchzusetzen, die als erdbebengefährdet bekannt sind. Aber sie sind von geringem Nutzen, um Todesfälle zu verhindern, wenn die Beben auftreten. Dazu werden Prognosen über in Tagen gemessene Zeitspannen benötigt. Es gibt kaum Hinweise darauf, dass diese Art von Vorhersage jemals möglich sein wird, obwohl es viele anekdotische Beweise dafür gibt, dass Tiere den bevorstehenden Beginn eines Bebens irgendwie spüren können.

Die Arbeit von Rouet-Leduc und Co. könnte das ändern. Sie erzeugten künstliche Erdbeben in ihrem Labor, indem sie an einem Block zogen, der zwischen zwei anderen eingeklemmt war. An der Schnittstelle zwischen den Blöcken füllten sie eine Mischung aus Gesteinsmaterial, sogenanntes Gouge-Material, um die Eigenschaften echter Verwerfungen zu simulieren.

Diese Art von künstlichem Bebensystem wurde gut untersucht. Geologen wissen, dass bei einem sich nähernden Beben das Furchenmaterial zu versagen beginnt und beim Abscheren Stöhnen und Knacken von sich gibt – eine Art seismisches Rattern. Der Block rutscht dann quasi periodisch durch.

Dieses System hat einige Ähnlichkeiten mit echten Erdbeben. Beispielsweise entspricht die Größenverteilung der Ausrutscher der Größenverteilung echter Erdbeben. Es erzeugt viele kleine Ausrutscher und nur wenige große – eine Verteilung, die der bekannten Gutenberg-Richter-Beziehung folgt, genau wie ein echtes Erdbeben. Geologen sind daher zuversichtlich, dass dieses System zumindest einige der Verhaltensweisen nachahmt, die in der realen Welt beobachtet werden.

Die Frage, die diese Jungs stellen, ist, ob das von der Störung abgegebene Geräusch verwendet werden kann, um den Zeitpunkt des nächsten Ausrutschers vorherzusagen. Bis jetzt hat niemand Muster in diesen Geräuschen entdeckt, die für eine solche Vorhersage verwendet werden können. Aber Rouet-Leduc und Co. haben einen neuen Ansatz gewählt.

Sie haben die Schallemissionen des Experiments aufgezeichnet und in einen maschinellen Lernalgorithmus eingespeist. Die Idee war zu sehen, ob die Maschine ein Muster entschlüsseln kann, das Geologen bisher übersehen hatten. Und das tat es tatsächlich.

Die Ergebnisse sind etwas überraschend. Die Forscher fütterten den Algorithmus mit einem gleitenden Fenster von Schallemissionen und baten ihn, zu jedem Zeitpunkt eine Vorhersage über die Wahrscheinlichkeit eines Erdbebens zu treffen. Zu ihrem Erstaunen lieferte die Maschine auch dann genaue Vorhersagen, wenn ein Erdbeben nicht unmittelbar bevorstand. Wir zeigen, dass maschinelles Lernen durch das Abhören des akustischen Signals eines Laborfehlers die verbleibende Zeit bis zum Ausfall mit großer Genauigkeit vorhersagen kann, sagen sie.

Das Rätsel ist, wie die Maschine das bewerkstelligen kann. Rouet-Leduc und Co gehen davon aus, dass seismische Vorläufer viel kleiner sein können als bisher angenommen und daher in der realen Welt normalerweise nicht aufgezeichnet werden. Die Maschine scheint ein völlig neues Signal entdeckt zu haben, das Geologen zuvor als Rauschen in den Laborbeben abgetan hatten. Unsere maschinelle Lernanalyse bietet neue Einblicke in die Rutschphysik, sagen sie.

Das ist eine faszinierende Arbeit mit erheblichen Auswirkungen. Die erste und offensichtlichste Frage, die es aufwirft, ist, ob die gleiche Technik echte Erdbeben genau vorhersagen könnte.

Rouet-Leduc und Co. sind in dieser Hinsicht vorsichtig. Sie weisen darauf hin, dass sich das Laborexperiment in vielerlei Hinsicht von echten Beben unterscheidet. Die Schubspannungen sind um Größenordnungen größer als bei echten Beben und auch die Temperaturen der beteiligten Gesteine ​​sind unterschiedlich.

Aber es gibt noch andere Arten, in denen die Laborbeben denen auf der Erde ähnlich sind. Das nächste Ziel des Teams ist es also, die gleiche Art von Analyse auf echte Beben anzuwenden, die den Laborbeben am ähnlichsten sind. Eines davon ist Parkfield, das viele sich wiederholende Erdbeben über relativ kurze Zeiträume erlebt. Repeater an diesen Fehlerstellen könnten ähnlich wie im Labor ein Flattern aussenden, schlagen sie vor.

Der große Test wird natürlich darin bestehen, ein Erdbeben tatsächlich genau vorherzusagen. Das ist eine schwierige Aufgabe, die einer sorgfältigen Beobachtung über viele Jahre bedarf.

In der Zwischenzeit könnte die gleiche Technik zur Vorhersage erdbebenartiger Ausfälle in anderen Materialien wie Turbinen in Flugzeugen und Kraftwerken angewendet werden.

Wie auch immer die neue Technik angewendet wird, Rouet-Leduc und Co haben die Katze unter die Tauben in der Welt der Geologie gesetzt. Sie kommen zu dem Schluss: Die Bühne für potenziell deutliche Fortschritte in der Erdbebenwissenschaft ist bereitet.

Ref: arxiv.org/abs/1702.05774 : Maschinelles Lernen sagt Erdbeben im Labor voraus

verbergen