terremoto

L’algoritmo che prevede forti repliche di scosse di terremoto

Un algoritmo per valutare la probabilità di forti repliche di scosse di terremoto, basato su dati e informazioni dei cataloghi sismici della California.

Il nuovo studio arriva da Stefania Gentili dell’Istituto Nazionale di Oceanografia e di Geofisica Sperimentale – OGS e Rita Di Giovambattista dell’Istituto Nazionale di Geofisica e Vulcanologia (INGV), ed è stato pubblicato su Physics of the Earth and Planetary Interiors.

I terremoti non si verificano in maniera omogenea né nel tempo né nello spazio: una prima scossa sismica particolarmente forte, infatti, è spesso seguita da una serie di repliche successive, anche a distanza di settimane o mesi nella medesima area. A volte può accadere che ad una scossa di magnitudo elevata, seguano repliche simili o di magnitudo maggiore. Algoritmi di machine learning, una branca dell’intelligenza artificiale, sono stati applicati per valutare la probabilità che un evento di magnitudo superiore a 4 sia seguito da un forte evento.

“Gli algoritmi di machine learning funzionano per apprendimento e hanno bisogno di una grande quantità di dati per essere addestrati. Quello che abbiamo proposto, chiamato NESTORE, sin dalle prime ore dopo il primo forte evento fornisce indicazioni sulla probabilità che avvengano repliche di intensità simile o maggiore“ racconta Stefania Gentili del Centro di Ricerche Sismologiche dell’OGS. “In questo studio, abbiamo utilizzato cataloghi di terremoti avvenuti in California, una zona sismicamente molto attiva e per questo molto ben monitorata e analizzata. NESTORE è stato in grado di prevedere l’accadimento di forti terremoti anche con ampio anticipo nell’ottanta percento dei casi analizzati, con un numero di falsi allarmi inferiore al 20%. Le repliche di magnitudo rilevante possono avere ulteriori impatti su edifici, strutture e infrastrutture già danneggiati dai sismi precedenti e comportare nuovi rischi per la popolazione”, continua la ricercatrice, precisando che “avere possibili indicazioni probabilistiche sul loro accadimento sarebbe estremamente utile”.

Per validare statisticamente il metodo e favorirne l’applicazione ad un ampio numero di eventi in diverse aree tettoniche, il software verrà reso disponibile alla comunità scientifica.

Il paper, intitolato Forecasting strong subsequent earthquakes in California clusters by machine learning, è frutto di una lunga ricerca che si inserisce nell’ambito del progetto ‘Analisi di sequenze sismiche per la previsione di forti repliche’, coordinato dall’Istituto Nazionale di Oceanografia e di Geofisica Sperimentale – OGS, e a cui partecipano l’INGV e l’ente di ricerca giapponese The Institute of Statistical Mathematics (ISM).

Il progetto è inserito nel Protocollo Esecutivo 2021-2023 di cooperazione scientifico-tecnologica bilaterale tra Italia e Giappone e compreso tra gli undici progetti di grande rilevanza ammessi dall’accordo sottoscritto a gennaio dello scorso anno.

L’obiettivo è di migliorare le capacità di stimare la probabilità di futuri forti repliche, già a partire da poche ore dopo la prima scossa rilevante, rendendo l’algoritmo sempre più robusto, ovvero addestrandolo affinché fornisca stime di probabilità sempre più affidabili.

Tags:
, , , , , , ,
intelligenza artificiale

IA e agricoltura 4.0 vanno di pari passo con il Green Deal Ue

Digitalizzazione e transizione verde sono un binomio inscindibile nella strategia a lungo termine dell’Ue, ma, come ha recentemente ammesso il vicepresidente della Commissione europea per le Relazioni interistituzionali, Maroš Šefčovič, “dobbiamo calcolare l’impatto ambientale della trasformazione digitale, perché i settori delle nuove tecnologie diventeranno i più inquinanti”. A questo obiettivo può contribuire l’intelligenza artificiale (IA), in particolare nei suoi risvolti positivi nel settore agricolo, come ha rilevato uno studio pubblicato dalla commissione speciale per l’Intelligenza artificiale (Aida) del Parlamento europeo.

Le applicazioni di intelligenza artificiale in questo ambito si concentrano principalmente sui sistemi agricoli intensivi e industrializzati: i dati necessari sono generati da tecnologie di telerilevamento (satelliti, aerei e droni) e attraverso sensori a terra, per l’identificazione dello stress idrico, il monitoraggio delle malattie delle colture, la mappatura delle erbe infestanti e la previsione della resa delle colture. Il caso più avanzato è l’agricoltura di precisione, dove l’elaborazione dei dati attraverso l’IA consente agli agricoltori di prendere decisioni sulla gestione più efficiente di fertilizzanti e pesticidi: per esempio, le telecamere installate sulle macchine agricole possono generare immagini delle piante sul campo da elaborare attraverso deep learning per riconoscere in tempo reale le erbacce, che saranno estirpate in modo mirato dalle macchine stesse. Con questo processo si prevede di ridurre l’uso degli erbicidi del 77%.

Ma è soprattutto sul piano della riduzione delle emissioni che l’intelligenza artificiale può fare la differenza. L’agricoltura è responsabile del 10% delle emissioni di gas serra dell’Ue e una soluzione per la riduzione del consumo di carburante delle macchine agricole può arrivare dallo sviluppo delle pratiche di precisione implementate dalle nuove tecnologie. Non va poi dimenticato il contributo per diminuire le emissioni di diossido di azoto dai terreni agricoli. Un effetto noto delle nuove tecnologie è l’aumento delle rese e la gestione della salute del suolo, portando a una minore pressione per l’espansione della superficie agricola e liberando colture e pascoli su suoli organici: l’intelligenza artificiale può diminuire i costi del monitoraggio e analizzare l’efficacia delle misure sul contenuto di carbonio nel suolo.

C’è poi un ultimo aspetto su cui le tecnologie di IA possono dare un contributo alle ambizioni del Green Deal europeo: la riduzione del consumo d’acqua. L’intelligenza artificiale può essere utilizzata – attraverso immagini satellitari e informazioni sui volumi delle precipitazioni – per determinare l’umidità del suolo e altri parametri rilevanti per gli agricoltori, guidandoli a fare un uso più efficiente dell’irrigazione. L’ottimizzazione della gestione idrica dipende anche da informazioni meteorologiche accurate e l’IA può essere sfruttata sia migliorare le previsioni (anche a livello di singola azienda agricola), sia per sviluppare modelli di adattamento ai cambiamenti climatici.

Tags:
,
intelligenza artificiale

Al centro degli obiettivi verdi Ue c’è l’intelligenza artificiale

Al servizio della transizione verde. Energia, trasporti, agricoltura, economia circolare: sono innumerevoli i benefici dell’uso dell’intelligenza artificiale (IA) per gli obiettivi del Green Deal dell’Ue, che consentono il pieno dispiegamento delle nuove tecnologie nell’economia e nella società dei 27 Paesi membri. Lo ha rilevato uno studio pubblicato dalla commissione speciale per l’Intelligenza artificiale (Aida) del Parlamento europeo, che ha costituito la base per la relazione finale non-legislativa. Tra le applicazioni più promettenti ci sono quelle che nell’ambito energetico permettono di ridurre i consumi nelle costruzioni, nel trasporto e nell’efficienza energetica.

Il settore dell’edilizia è responsabile di circa il 40% del consumo di energia nell’Ue e per raggiungere gli obiettivi sulle emissioni di gas serra non è possibile prescindere dalla promozione del rinnovamento edilizio. L’intelligenza artificiale può contribuire alla profilazione e alla stima della domanda, oltre al rilevamento dei guasti: per esempio, con le nuove tecnologie si possono individuare comportamenti anomali di consumo energetico degli utenti. Inoltre, l’IA ha il potenziale per sostenere l’efficienza delle risorse, la riduzione dei rifiuti nelle costruzioni e contribuire al raggiungimento dell’obiettivo di raddoppiare il tasso di rinnovamento edilizio indicato dalla Commissione Ue.

Decisivo l’uso dell’intelligenza artificiale per l’integrazione delle energie rinnovabili nei sistemi energetici. Un processo che porterà a produttori più decentralizzati e a forniture influenzate dalle condizioni meteorologiche (come l’eolico) e dalle ore del giorno (il fotovoltaico), con la necessità di soluzioni flessibili per lo stoccaggio. Di qui la possibilità di utilizzare reti elettriche intelligenti ( smart grid ) con sistemi di controllo centrale basati sull’IA che ottimizzi la generazione, l’immagazzinamento e il consumo di energia, bilanciando le fluttuazioni di potenza delle rinnovabili. Attraverso queste applicazioni si può anche attingere alle previsioni meteorologiche, alla domanda di energia, ai prezzi e ai dati dei dispositivi di rete per automatizzare i processi di previsione in tempo reale.

Tra i benefici dell’IA non può essere dimenticato il settore dei trasporti, dal momento in cui lo sviluppo di veicoli elettrici è cruciale per gli obiettivi della decarbonizzazione, a condizione che si passi alle energie rinnovabili per la produzione di elettricità. L’intelligenza artificiale può impattare sulla gestione delle batterie – permettendo di utilizzarle come opzione di stoccaggio per la rete – oltre a ottimizzare la ricarica dei veicoli nei momenti di alta fornitura. Da tenere in considerazione anche il fatto che il consumo di energia dei veicoli dipende da diversi fattori, come l’efficienza del motore, l’aerodinamica, il peso e la resistenza degli pneumatici: tutti aspetti che l’IA può aiutare a ottimizzare in fase di progettazione, in particolare per la gestione della potenza e la riduzione dei consumi di risorse.

Tags: