Viisi vuotta sitten Paul Johnson ei olisi uskonut, että maanjäristysten ennustaminen olisi koskaan mahdollista. Nyt hän ei ole niin varma.
"En voi sanoa, että tulemme, mutta toivon paljon toivomme, että saavutamme paljon edistystä vuosikymmenien aikana", Los Alamosin kansallisen laboratorion seismologi sanoo. "Olen nyt toiveikkaampi kuin olen koskaan ollut."
Pääsyy uudelle toiveelle on teknologia, jota Johnson aloitti tutkimuksensa noin neljä vuotta sitten: koneoppiminen. Monien ääniä ja pieniä liikkeitä pitkin tektonisia vikaviivoja, joissa tapahtuu maanjäristyksiä, on pitkään pidetty merkityksettöminä. Koneoppiminen - tietokonealgoritmien kouluttaminen suurten tietomäärien analysoimiseksi mallien tai signaalien etsimiseksi - viittaa siihen, että joillakin pienistä seismisistä signaaleista saattaa olla merkitystä.
Tällaiset tietokonemallit saattavat jopa osoittautua avaimiksi maanjäristysten ennakointikyvyn avaamisessa - etämahdollisuudessa, joka on niin kiistanalainen, monet seismologit kieltäytyvät edes keskustelemasta siitä.
Kun levytektonian teoria sai vauhtia 1960-luvulla, monet tutkijat ajattelivat, että maanjäristyksen ennustaminen oli vain ajan kysymys. Kun siirtyvien levyjen aiheuttamat pienet järistykset voitiin mallintaa, ajattelu meni, pitäisi olla mahdollista ennustaa suurempia maanjäristyksiä päiviä tai jopa viikkoja etukäteen. Mutta maanjäristyksen voimakkuuteen vaikuttavat monet tekijät kalliolajista vikaantumisen etäisyyteen, ja tuli nopeasti ilmeiseksi, että pienimuotoisen tektonisen toiminnan mallit eivät pysty tarjoamaan luotettavaa tapaa ennustaa suuria maanjäristyksiä. Ehkä pienet muutokset ja liukumat, joita tapahtuu satoja kertoja päivässä, voisivat viitata suuren maanjäristyksen iskemisen todennäköisyyden pieneen lisääntymiseen, mutta jopa pienen tektonisen aktiivisuuden parven jälkeen suuri järistys on edelleen erittäin epätodennäköistä. Parempi signaali tulevasta maanjäristyksestä tarvitaan, jos ennusteista tulee koskaan totta.
Koneoppimisen käyttäminen tällaisen signaalin löytämiseen on todennäköisesti kaukana - jos se on jopa mahdollista. Viime vuoden lopulla julkaistussa tutkimuksessa Johnson ja hänen ryhmänsä ehdottivat, että siellä voisi olla aiemmin jätetty huomiotta jätetty seisminen signaali, joka saattaa sisältää mallin, joka paljastaa, kun suuri maanjäristys - kuten pahamaineinen ja kauan odotettu Cascadian järistys Tyynenmeren luoteisosassa - voisi iskeä. Jos hypoteesi hylätään, se voi muuttaa tapaa, jolla maanjäristykset ennustetaan sekunneista etukäteen, ehkä yhden päivän, vuosikymmeniä etukäteen.
Viimeisimmät parannukset maanjäristyksen ennustamisessa ovat olleet arvokkaita sekunteja. Seismologit pyrkivät parantamaan varhaisvaroitusjärjestelmiä, kuten Japanissa, ja ShakeAlert-järjestelmää, joka otetaan käyttöön Yhdysvaltojen länsirannikolla. Nämä järjestelmät lähettävät hälytyksiä vasta, kun maanjäristys on jo alkanut - mutta ajoissa sammuttaa esimerkiksi hissit tai kaasulinjat ja varoittaa keskuksesta kauempana olevia yhteisöjä.
Maapallon kerros, jossa elämme, on hajonut kymmeneksi kymmeneksi tektoniseksi, jotka liikkuvat toisiinsa nähden. (USGS) Yritetään ekstrapoloida kuinka suuri meneillään oleva järistys tulee tulemaan, missä sen keskiosa on ja mihin se vaikuttaa, kaikki muutaman sekunnin tiedoista, on jo valtava haaste, Johnson sanoo. Olemassa olevat varoitusjärjestelmät ovat arvioineet suuria maanjäristyksiä väärin ja antaneet muille väärät hälytykset. Mutta ennen vuotta 2007 meillä ei ollut edes muuta sekunnin ilmoitusta. Missä voimme olla vuonna 2027?
"Emme tiedä, kuinka hyvin seismologia todella tekee kymmenen vuoden kuluttua", Johnson sanoo. "Mutta se tulee olemaan paljon parempi kuin tänään."
Maanjäristyksen seurannan edistys perustuu todennäköisesti tietokoneisiin, jotka on koulutettu toimimaan asiantuntija-seismologeina. Täydellisellä muistilla, harvoilla ennakkoarvioinneilla ja nolla nukkumistarpeella koneet voivat lajitella meteorologisesti kerättyjen tietojen merkin tektonisten levyjen muuttuessa. Kaikki tämä tieto on verrattavissa siihen, mitä kuuleisit tungosta kadulta - autojen, ihmisten, eläinten ja sää melut sekoittuvat yhteen. Tutkijat seulotaan näiden signaalien läpi, jotka on transkriboitu aaltoina, yrittääkseen selvittää, onko jokin heistä osoittamassa maanjäristystä vai tapahtuuko se. Kauan sitten on toivottu, että kaiken melun suhteen siellä saattaa olla jonkinlainen edeltäjä, joka voitaisiin mitata tai havaita osoittavan ajanjakson seuraavaan suureen järistykseen.
Yksi niistä meluista - joita Johnson kutsuu ”vapinamaiseksi signaaliksi” - on tunnistettu ja tutkittu useita vuosia. "Heitin kaiken työkalulaatikossani olevan ja päätin, ettei siellä ole mitään", hän sanoo.
Mutta hänen ryhmänsä perustamat algoritmit ja tietokoneet tarkastelivat signaalia hiukan eri näkökulmasta keskittyen sen energiaan. Tuo energia (mitattuna amplitudina, seismisten aaltojen mitta) kasvoi “koskaan niin vähän” koko maanjäristysjakson ajan, Johnson sanoo. Kun maanjäristys osui, signaalin amplitudi laski ja aloitti säännöllisen kasvusyklin, kunnes uusi järistys osui.
Se oli malli.
Tämä aikaisemmin jätetty signaali, Johnsonin mukaan, sisälsi "ennustavaa tietoa seuraavan maanjäristyksen jakson ennustamiseksi" minuutteja etukäteen laboratorion vikojen nopeutettujen mallien yhteydessä, mikä tarkoittaa tosiasiassa vuosikymmeniä etukäteen. Mutta tulokset laboratoriossa ja todellisessa maailmassa eivät aina ole rivissä.
Tässä vaiheessa koneoppimisen ei ole tarkoitus auttaa maanjäristyksen ennustamisessa, vaan pikemminkin jo ymmärtää jo aloitettuja järistyksiä tai järistyksen dynamiikkaa yleensä. Mutta edistykset järistysten paikallistamisessa, voimakkuuden arvioinnissa ja melun lajittelussa parantavat ymmärrystämme siitä, kuinka järistykset toimivat, myös silloin, kun ne saattavat osua.
”Haluan tehdä selväksi, että tekemämme on erilaista kuin ennustaminen. Mutta kyllä, kaikki nämä asiat liittyvät epäsuorasti ", sanoo Mostafa Moustavi, Stanfordin seismologi, joka käyttää koneoppimista lajittelemaan taustamelu havaitsemaan pieniä järistyksiä.
Men-Andrin Meier, Caltechin seismologi, sanoo, että hänen "paras arvauksensa on, että maanjäristykset ovat luonnostaan arvaamattomia". Mutta silti hän työskentelee koneoppimisen avulla varhaisvaroitusjärjestelmien parantamiseksi ja näihin hälytyksiin liittyvän seurannan parannuksiin voisi parantaa mahdollisesti maanjäristysennusteita. Paremat vikakartat ja parempi ymmärrys maanjäristyksen prosesseista, suuntauksista ja jaksoista voisivat kaikki parantaa ennustamista, Moustafa sanoo.
Jopa niin, jotkut seismologit ajattelevat, että ”ennustaminen” on fantasiaa. Tokion yliopiston seismologi Robert Geller on tunnettu pessimismistään maanjäristyksen ennustamiseksi.
"Maanjäristyksen ennustetutkimus ei ole oikeastaan asia", hän sanoo sähköpostitse. ”Se koostuu vain paljon tietojen keräämisestä siinä toivossa, että löydetään luotettava” edeltäjä ”. Mitään ei ole koskaan löydetty tähän päivään mennessä. ”
Gellerin mukaan kaikki maanjäristyksen signaaleihin liittyvät laboratoriotulokset voidaan jättää huomioimatta, kunnes ne toistetaan jatkuvasti todellisessa maailmassa. "En ole epäilemättä, että he löytävät paljon näkyviä malleja havaittujen maanjäristyksen tapahtumien tiedoista taaksepäin. Mutta en näe syytä ajatella, että tällaiset mallit toimivat eteenpäin ajassa ”, Geller sanoo.
Cascadian vika Vancouverin saarelta luiskahtaa hitaasti koko ajan, tuottaen matalaa seismisyyttä, jota et voi tuntea, ja harhauttaa sitten takaisin paikalleen noin kerran vuodessa. Maan pinnan erittäin vähäistä siirtymistä tuosta liukastumisesta voidaan tarkkailla, joten Johnsonin joukkue yritti selvittää, pystyisikö koneen oppimisen algoritmeillaan havaitsema uusi signaali ennustamaan liikettä.
"Ja katso, katso, se kohdistui siirtymäasteeseen", Johnson sanoo.
Kysymys kuuluu nyt, kuinka signaali voi liittyä vian lukitsemiseen - lukittuihin kiviin, jotka ovat pitäneet tektoniset levyt luisumatta ja aiheuttaneet suuren maanjäristyksen noin 300 vuoden ajan. Lopulta vian lukitseminen rikkoutuu ja massiivinen maanjäristys iskee. Ehkä signaali, jota Johnsonin joukkue tutkii, tai jokin muu vielä toistaiseksi paljastama signaali voisi antaa jonkinlaisen käsityksen siitä, milloin se tapahtuu - jos sellaiset signaalit liittyvät lainkaan suuriin maanjäristyksiin.
