L'intelligenza artificiale può prevedere le scosse di assestamento dopo un grande terremoto?

    Quale ruolo potrebbe svolgere l'intelligenza artificiale nella previsione di terremoti secondari successivi a un grosso terremoto distruttivo?

    Terremoto.
    Le scosse di assestamento possono essere più letali del terremoto iniziale; nuovi modelli di previsione basati sull'intelligenza artificiale potrebbero prevederle in pochi secondi anziché giorni. Immagine: Adobe.

    Un nuovo strumento di intelligenza artificiale per la previsione dei terremoti può prevedere il rischio di scosse di assestamento pochi secondi dopo la scossa iniziale, secondo una nuova ricerca dell'Università di Edimburgo, del British Geological Survey e dell'Università di Padova.

    I modelli di apprendimento automatico (ML) possono prevedere dove e quante scosse di assestamento si verificheranno a seguito di un terremoto quasi in tempo reale, affermano i ricercatori.

    Previsione rapida

    Le scosse di assestamento possono essere più letali del terremoto iniziale, ma gli attuali metodi per prevedere queste scosse secondarie possono richiedere diverse ore, persino giorni. Il processo decisionale sulle misure di sicurezza pubblica e sull'allocazione delle risorse nelle aree colpite da calamità potrebbe essere migliorato da previsioni rapide basate sull'intelligenza artificiale.

    I ricercatori hanno utilizzato l'apprendimento automatico (ML) per addestrare modelli basati sui dati dei terremoti provenienti da aree soggette a terremoti regolari, tra cui California, Nuova Zelanda, Italia, Giappone e Grecia.

    Hanno quindi analizzato la capacità del loro strumento di previsione basato sull'intelligenza artificiale di produrre previsioni sul numero di scosse di assestamento che si verificheranno nelle 24 ore successive a terremoti di magnitudo 4 o superiore e ne hanno confrontato le prestazioni con il modello ETAS (Epidemic-Type Aftershock Sequence), il sistema di previsione più utilizzato e attualmente operativo in Italia, Nuova Zelanda e Stati Uniti.

    Terremoto.
    I danni prodotti da una forte scossa di terremoto sugli edifici.

    Entrambi i modelli hanno mostrato prestazioni comparabili nella previsione del rischio di scosse di assestamento, ma il modello ETAS ha impiegato molto più tempo per produrre risultati, fino a diverse ore o giorni su un singolo computer di fascia media, poiché comporta l'esecuzione di numerose simulazioni, afferma il team, rispetto ai pochi secondi del modello basato sull'intelligenza artificiale.

    I vantaggi in ambito operativo

    Foteini Dervisi, dottoranda presso la School of GeoSciences dell'Università di Edimburgo e il British Geological Survey, ha dichiarato: "Questo studio dimostra che i modelli di apprendimento automatico possono produrre previsioni di scosse di assestamento in pochi secondi, con una qualità paragonabile a quella delle previsioni ETAS.

    La loro velocità e il basso costo computazionale offrono importanti vantaggi per l'uso operativo: insieme allo sviluppo quasi in tempo reale di cataloghi di terremoti ad alta risoluzione basati sull'apprendimento automatico, questi modelli miglioreranno la nostra capacità di monitorare e comprendere le crisi sismiche man mano che si evolvono".

    Poiché il loro strumento di intelligenza artificiale è addestrato su registrazioni di terremoti passati provenienti da regioni con diversi paesaggi tettonici, i ricercatori affermano che i loro modelli potrebbero essere utilizzati per prevedere il rischio di scosse di assestamento nella maggior parte delle aree del mondo interessate da terremoti.

    Riferimento alla notizia

    Towards a deep learning approach for short-term data-driven spatiotemporal seismicity rate forecasting, Earth, Planets and Space, November 2025. Dervisi, F. et al.