Improving Deep Learning-Based Seismic Phase Picking by Addressing Label Imbalance

Il linguaggio segreto della Terra e le note mancanti

Immaginate che la Terra sia un enorme, irrequieto tamburo. Quando si sposta, si incrina o si assesta, invia increspature — onde sismiche — che viaggiano attraverso il terreno come il suono nell'aria. I sismologi sono gli ascoltatori che cercano di udire queste increspature per capire cosa stia accadendo nel profondo del sottosuolo. Per decenni, il loro lavoro è stato simile a cercare di trovare un sussurro specifico in una stanza affollata e rumorosa. Dovevano fissare linee squigliose su uno schermo, individuando manualmente l'esatto momento in cui una "onda P" (il primo arrivo, veloce) o un' "onda S" (l'arrivo più lento e vibrante) si manifestavano. Era un lavoro lento ed estenuante e, con i moderni sensori che registrano la Terra 24 ore su 24, 7 giorni su 7, c'erano semplicemente troppi dati da gestire per l'occhio umano.

Entra in scena il deep learning, un tipo di cervello artificiale capace di imparare a riconoscere schemi più velocemente di qualsiasi essere umano. Questi detective digitali sono diventati incredibilmente bravi a leggere il battito del tamburo della Terra, trovando terremoti che gli umani potrebbero mancare. Ma c'è un problema: quando la Terra diventa davvero agitata — come durante un terremoto massiccio seguito da centinaia di scosse di assestamento più piccole — il "rumore" del grande evento sovrasta i piccoli sussurri di quelli minori. Il computer si confonde, spesso perdendo i segnali più piccoli perché è stato addestrato a prestare più attenzione al silenzio tra i rombi piuttosto che ai rombi stessi. Questo articolo pone una domanda semplice: possiamo insegnare al computer ad ascoltare con più attenzione le parti silenziose senza cambiare il computer stesso?

Sintonizzare l'orecchio: Un nuovo modo per insegnare al computer

I ricercatori dietro questo studio, guidati da Shinya Katoh e dal suo team dell'Università di Tokyo e dell'Università di Kyoto, si sono resi conto che il problema non era il "cervello" del computer (la sua architettura), ma il modo in cui lo stavano insegnando. Hanno paragonato il processo di addestramento al compito di un insegnante che valuta i compiti di uno studente.

Nel modo standard di addestrare questi modelli, il computer osserva un frammento di 30 secondi di dati sismici. In quel frammento, lo "sfondo" (le parti tranquille e noiose dove non succede nulla) occupa circa il 98% del tempo. I segnali del terremoto effettivo (le onde P e le onde S) sono picchi minuscoli e acuti che occupano forse solo l'1% ciascuno. Quando il computer cerca di imparare, riceve un "punteggio" basato su quanto bene predice l'intero intervallo di 30 secondi. Poiché lo sfondo è enorme, il computer impara che il modo più semplice per ottenere un buon punteggio è limitarsi a indovinare "sfondo" tutto il tempo. Diventa pigro, ignorando i piccoli e importanti picchi perché non contano molto per il suo voto complessivo. È come uno studente che studia solo i capitoli noiosi di un libro di testo perché l'esame riguarda principalmente quelli, finendo per perdere completamente i colpi di scena cruciali ed eccitanti.

Per risolvere questo problema, il team ha inventato un nuovo "sistema di valutazione" chiamato area-weighted soft cross-entropy loss (perdita di entropia incrociata morbida pesata sull'area). Invece di trattare ogni secondo della registrazione allo stesso modo, questo nuovo metodo dà al computer un enorme bonus per aver individuato correttamente i picchi minuscoli e importanti. È come dire allo studente: "Se indovini la parte noiosa dello sfondo, ottieni un punto. Ma se individui la piccola onda P o l'onda S, ottieni cento punti!". Questo costringe il computer a prestare un'attenzione intensa ai tempi di arrivo delle onde, anche se sono rare.

Cosa hanno scoperto: Catturare più sussurri

Il team ha testato questo nuovo "sistema di valutazione" su due popolari modelli di rilevamento dei terremoti, SegPhase e PhaseNet. Non hanno cambiato i cervelli dei modelli, hanno solo cambiato le regole del gioco.

I risultati mostrano un chiaro cambiamento di comportamento. I modelli addestrati con le nuove regole pesate sono diventati molto più sensibili.

• Tempismo più preciso: Quando i modelli prevedevano un tempo di arrivo, erano molto più precisi. La "dispersione" o l'errore di tempismo è diminuita significativamente. Per il modello SegPhase, la dispersione dell'errore per le onde P è scesa da 0,20 secondi a 0,07 secondi, e per le onde S è scesa da 0,27 secondi a 0,05 secondi.
• Il compromesso: Tuttavia, essere più sensibili comportava un costo. I modelli hanno iniziato a "vedere" cose che non c'erano del tutto. Sono diventati più bravi a catturare i veri terremoti (maggiore recall o richiamo), ma hanno anche iniziato a segnalare parte del rumore come terremoti (minore precisione). È come un metal detector così sensibile da suonare sia per una lattina di soda che per una moneta d'oro. I ricercatori hanno scoperto che i modelli sono diventati "orientati alla recall", il che significa che erano meno propensi a perdere un evento reale, anche se ciò significava dover controllare alcuni falsi allarmi in seguito.

Il test nel mondo reale: Il terremoto di Ridgecrest

Per vedere se questo funzionasse davvero nel mondo reale, il team ha applicato i loro nuovi modelli ai dati continui della sequenza di terremoti di Ridgecrest del 2019 in California. Questo è stato un evento massiccio con una scossa principale e migliaia di scosse di assestamento.

I risultati sono stati impressionanti. I modelli con perdita pesata hanno rilevato significativamente più terremoti rispetto ai modelli originali:

• SegPhase ha trovato 34.008 terremoti con il nuovo metodo, rispetto ai 26.914 con il vecchio metodo.
• PhaseNet ha trovato 32.997 terremoti con il nuovo metodo, rispetto ai 23.622 con il vecchio metodo.

Questi numeri hanno persino superato i conteggi di due cataloghi esistenti creati da altri esperti utilizzando metodi differenti. I nuovi modelli hanno mappato con successo le stesse zone sismiche degli esperti, ma hanno trovato molti più eventi piccoli nel mezzo. Ciò suggerisce che, rendendo i modelli meno timorosi di perdere un segnale, essi possono aiutare gli scienziati a costruire un quadro molto più completo dell'attività sismica.

I limiti: Quando il rumore è troppo forte

Ma la storia non finisce con una soluzione perfetta. I ricercatori sono stati onesti riguardo ai limiti. Hanno scoperto che, sebbene il nuovo metodo fosse ottimo per trovare piccoli terremoti nel mezzo di una sequenza, incontrava ancora difficoltà immediatamente dopo i terremoti più grandi e rumorosi.

Subito dopo una scossa massiccia, il terreno continua a tremare per molto tempo con le "onde coda" (coda waves) — un rimbombo caotico e ad alta energia che sovrasta i segnali minuscoli del successivo piccolo terremoto. Anche con i nuovi "punti bonus" per individuare i segnali, il computer non riusciva a sentire i piccoli sussurri perché il ruggito del grande terremoto era semplicemente troppo forte e disordinato. L'articolo suggerisce che, sebbene cambiare le regole di addestramento aiuti, non può risolvere il problema di segnali che sono fisicamente sepolti l'uno sotto l'altro.

La conclusione

Questo articolo dimostra che non è sempre necessario costruire un cervello artificiale più grande e complesso per risolvere un problema. A volte, basta cambiare il modo in cui lo si insegna. Ripesando l'importanza dei momenti minuscoli e cruciali nei dati, i ricercatori hanno reso i modelli esistenti molto più capaci di individuare i terremoti, specialmente quelli piccoli che sono facili da perdere. È un promemoria del fatto che, nel mondo rumoroso e caotico della scienza sismologica, a volte il modo migliore per ascoltare il futuro è ascoltare con un po' più di attenzione le parti silenziose del passato.