Los científicos dirigidos por Daigo Shoji del Earth-Life Science Institute Instituto de Tecnología de Tokio han demostrado que un programa de inteligencia artificial llamado Red neuronal convolucional puede ser entrenado para categorizar formas de partículas de cenizas volcánicas. Debido a que las formas de las partículas volcánicas están unidassegún el tipo de erupción volcánica, esta categorización puede ayudar a proporcionar información sobre erupciones y ayudar a los esfuerzos de mitigación de riesgos volcánicos.
Las erupciones volcánicas se presentan en muchas formas diferentes, desde las erupciones explosivas de Eyjafjallajökull de Islandia en 2010, que interrumpieron los viajes aéreos europeos durante una semana, hasta los flujos de lava relativamente tranquilos de mayo de 2018 en las Islas Hawaianas. Del mismo modo, estas erupciones tienen diferentes amenazas asociadas,desde nubes de cenizas hasta lava. A veces el mecanismo de erupción p. ej., interacción de agua y magma no es obvio, y los vulcanólogos deben evaluarlo cuidadosamente para determinar futuras amenazas y respuestas. Los vulcanólogos observan de cerca la ceniza producida por las erupciones, como diferentes erupcionesproducen partículas de cenizas de diferentes formas. Pero ¿cómo se miran objetivamente miles de pequeñas muestras para producir una imagen coherente de la erupción? La clasificación por ojo es el método habitual, pero es lenta, subjetiva y limitada por la disponibilidad de vulcanólogos experimentados.Los programas de computadora convencionales clasifican rápidamente las partículas por parámetros objetivos, como la circularidad, pero la selección de parámetrosmetros sigue siendo la tarea porque la forma simple categorizada por un parámetro rara vez se encuentra en la naturaleza.
Ingrese a la Red neuronal convolucional CNN, una inteligencia artificial diseñada para analizar imágenes. A diferencia de otros programas de computadora, CNN no se limita a parámetros simples como la circularidad, y aprende orgánicamente como un humano, sino miles de veces más rápido. El programa puedetambién se compartió, eliminando la necesidad de docenas de geólogos capacitados en el campo. Para este experimento, el programa recibió imágenes de cientos de partículas con una de las cuatro formas basales, que son creadas por diferentes mecanismos de erupción. Partículas de ceniza que son bloqueadas cuandoLas rocas están fragmentadas por erupciones, vesiculares cuando la lava es burbujeante, alargadas cuando las partículas se funden y aplastan, y redondeadas por la tensión superficial de los fluidos, como gotas de agua. El experimento enseñó con éxito al programa a clasificar las formas basales con una tasa de éxito de92%, y asignar razones de probabilidad a cada partícula incluso para la forma incierta. Esto puede permitir una capa adicional de complejidad a los datos en el futuro, pProporcionar a los científicos mejores herramientas para determinar el tipo de erupción, como si una erupción fue freatomagmática como la segunda fase de la erupción de Eyjafjallajökull en 2010 o magmática como las erupciones de flanco del monte.Etna.
El estudio del Dr. Shoji ha demostrado que los CNN pueden ser entrenados para encontrar información útil y compleja sobre partículas diminutas con un gran valor geológico. Para aumentar el rango del CNN, las técnicas de aumento más avanzadas, como la microscopía electrónica, pueden agregar color ytextura a los resultados. Desde la colaboración con biólogos, informáticos y geólogos, el equipo de investigación espera utilizar la CNN de nuevas maneras. El mundo microcósmico siempre ha sido un sinfín de preguntas, pero gracias a algunos científicos que estudian volcanes, las respuestas puedenya no será tan difícil de encontrar
Fuente de la historia :
Materiales proporcionado por Instituto de Tecnología de Tokio . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :