Evaluating data augmentation techniques in the classification of multi-station seismic-volcanic signals

Les volcans sont des géants agités et, avant d'entrer en éruption, ils murmurent souvent. Ces murmures sont des signaux sismiques — de subtiles vibrations voyageant à travers la terre qui racontent l'histoire du mouvement du magma, de l'échappement des gaz ou de la fracture des roches sous la surface. Pendant des décennies, les scientifiques se sont appuyés sur des experts humains pour écouter ces murmures, triant manuellement des flux interminables de données pour identifier ce qui se passe profondément sous la terre. Ce processus est lent, laborieux et sujet à l'erreur humaine, surtout lorsque les signaux sont faibles ou que les données sont accablantes. Ces dernières années, les ordinateurs ont commencé à prendre le relais de cette tâche d'écoute, utilisant l'intelligence artificielle pour reconnaître les motifs dans les vibrations. Cependant, ces cerveaux informatiques font face à un obstacle majeur : ils ont besoin de vastes quantités d'exemples pour apprendre, et dans le monde des volcans, les événements rares et dangereux sont souvent les plus difficiles à trouver en grand nombre. Lorsqu'un ordinateur tente d'apprendre à partir d'un ensemble d'exemples restreint et déséquilibré, il devient souvent biaisé, favorisant les événements communs qu'il voit le plus souvent et manquant les événements rares et critiques qui signalent un véritable danger.

Une équipe de chercheurs de l'Universidad Católica del Norte du Chili s'est donné pour mission de résoudre ce problème en apprenant aux ordinateurs comment apprendre à partir de moins d'exemples sans perdre leur capacité à reconnaître la vérité. Ils se sont concentrés sur le volcan Lascar, dans le nord du Chili, un site surveillé par un réseau de onze stations sismiques qui enregistrent les tremblements de la terre. L'équipe a rassemblé une base de données de plus de six mille événements sismiques, que des experts avaient déjà classés en cinq catégories distinctes : événements à longue période, événements volcano-tectoniques, événements hybrides, événements tectoniques et trémors. Le défi était que ces catégories n'étaient pas représentées de manière égale ; certains types d'événements étaient courants, tandis que d'autres étaient si rares que l'ordinateur peinait à apprendre à quoi ils ressemblaient. Pour corriger cela, les chercheurs ont employé une stratégie appelée augmentation de données. Au lieu d'attendre que la nature fournisse plus d'événements rares, ils ont utilisé des techniques mathématiques pour créer de nouvelles versions synthétiques des données existantes. Ces nouveaux exemples n'étaient pas faux de manière trompeuse ; ils étaient des versions soigneusement modifiées de signaux réels, légèrement ajustées pour paraître différentes tout en conservant leur identité essentielle. L'objectif était de donner à l'ordinateur une bibliothèque d'exemples plus riche et plus diversifiée à étudier, dans l'espoir qu'il apprenne les règles fondamentales de l'activité volcanique plutôt que de simplement mémoriser des détails spécifiques.

Les chercheurs ont testé plusieurs méthodes différentes pour créer ces nouveaux exemples. Certaines méthodes ajoutaient une couche de bruit statique aux signaux, semblable au souffle d'une radio entre deux stations, pour voir si l'ordinateur pouvait toujours reconnaître le motif. D'autres décalaient légèrement les signaux dans le temps ou la fréquence, ou combinaient des parties de différents signaux pour créer de nouveaux hybrides. Ils ont même utilisé une technique inspirée de l'évolution biologique, où l'ordinateur sélectionne les meilleures parties de deux signaux et les mélange pour en créer un nouveau. Pour mesurer l'efficacité de ces nouveaux signaux, l'équipe ne s'est pas contentée de regarder si l'ordinateur donnait la bonne réponse ; elle a également mesuré à quel point les nouveaux signaux étaient différents des originaux. Ils devaient s'assurer que les nouvelles données étaient assez diverses pour apprendre quelque chose de nouveau à l'ordinateur, mais assez similaires au monde réel pour que les leçons s'appliquent lorsqu'il rencontrerait un vrai volcan.

Les résultats furent frappants. Les chercheurs ont constaté que les modèles entraînés sur des ensembles de données contenant uniquement des données augmentées offraient souvent des performances de classification supérieures, avec des techniques comme le « Drifting », le « SpecAugment » et le « Jittering » atteignant des précisions de test respectives de 97,2 %, 95,4 % et 93,9 %. Cependant, l'étude a également révélé qu'un modèle entraîné sur un mélange de données réelles et augmentées utilisant la technique du « Drifting » atteignait la précision la plus élevée de 98,3 % lors de tests sur des signaux du monde réel. Ces chiffres sont significatifs car ils montrent que l'ordinateur a appris à reconnaître les motifs sous-jacents de l'activité volcanique si bien qu'il pouvait ignorer le bruit et les variations du monde réel. L'étude a également révélé que le simple fait d'ajouter plus de données aux catégories rares ne suffisait pas ; la qualité et la diversité de ces données ajoutées importaient davantage. Les modèles les plus performants étaient ceux qui voyaient une grande variété de formes et de textures de signaux, forçant l'ordinateur à apprendre les caractéristiques fondamentales de chaque type d'événement plutôt que de s'appuyer sur des raccourcis.

Ce travail suggère une nouvelle voie pour la surveillance volcanique. En utilisant l'augmentation de données, les scientifiques peuvent construire des modèles informatiques plus robustes et fiables, même lorsqu'ils disposent de très peu d'exemples réels d'événements dangereux pour commencer. L'étude a démontré que ces modèles pouvaient être entraînés sur les données d'un seul volcan et tout en se généralisant bien, ce qui signifie qu'ils pourraient potentiellement être appliqués à d'autres volcans à travers le monde. Les chercheurs ont conclu que la clé du succès n'était pas seulement d'avoir plus de données, mais d'avoir des données plus intelligentes — des exemples suffisamment diversifiés pour apprendre à l'ordinateur la flexibilité, tout en étant assez similaires au monde réel pour être utiles. En fin de compte, l'ordinateur n'a pas seulement appris à compter les séismes ; il a appris à écouter le langage du volcan avec une clarté que les experts humains seuls pourraient avoir du mal à atteindre, offrant ainsi un nouvel outil puissant pour comprendre l'évolution dynamique et souvent dangereuse des centres volcaniques.