Esistono segnali di pericolo nascosti. Non sempre. Ma spesso. Sepolto in migliaia di piccoli tremori. Alla maggior parte delle persone mancano. Gli scienziati ci provano. Falliscono soprattutto perché trovare un ago è facile, sapere quale ago conta prima che il terreno si spacchi? Più forte.
Una nuova ricerca del GFZ Helmholtz Center cambia leggermente le regole del gioco. Il dottor Sadegh Karimpoutli e la professoressa Patricia Martinez-Garzon non hanno detto ai loro computer cosa cercare. Questo è il vecchio modo. Dare etichette preimpostate. Inutile qui.
Invece, hanno lasciato vagare l’algoritmo.
Apprendimento automatico non supervisionato. Trova struttura senza regole.
Il problema dei modelli
I terremoti non si preoccupano del nostro desiderio di previsioni pulite. Hai mai provato a prevedere esattamente quando arriverà il prossimo grande evento? Verresti deriso fuori dal campo. È irrisolto. Forse irrisolvibile.
I geoscienziati ora inseguono i precursori. Piccoli terremoti. Scosse premonitrici. Eventi a lento scivolamento dove le faglie gemono silenziose. Il problema è l’incoerenza. La tempistica varia. Cambiamenti di posizione. Un guasto avvisa ad alta voce. Un altro resta in silenzio. La geologia locale è importante. Lo stress immagazzinato è importante.
Uno schema per un terremoto potrebbe essere rumore per il successivo.
L’apprendimento automatico ha aiutato a ordinare i cataloghi in precedenza. Adesso hanno cambiato tattica. Nessuna idea fissa di come sia un “precursore”. Solo dati. Ordinamento stesso.
Il dottor Karimpoutli lo ha detto semplicemente. Invece di cercare, lascia che i dati ne rivelino la struttura. Nessun criterio diagnostico predefinito. Funziona per le frane. Vulcani. Adesso i terremoti.
Famiglie terremotate
I singoli terremoti sono bugie. O almeno, sono incompleti. Trattare ogni tremore come un punto in un foglio di calcolo? Ti manca il dramma.
Il team ha raggruppato gli eventi. “Famiglie”.
In base allo spazio. Tempo. Grandezza. Perché? Perché parlano. Una piccola rottura sposta lo stress nelle vicinanze. Ne rende probabile un altro. O meno. Una maggiore vicinanza significa una conversazione più forte.
Il Prof. Marco Bohnhoff nota che il comportamento collettivo rivela lo stress della crosta. Osservando le famiglie, non gli individui, si vede l’accumulo.
I ricercatori hanno utilizzato caratteristiche fisiche per descrivere questi gruppi. Tenuta del clustering. Localizzazione spaziale. Indicatori statistici di stress. L’algoritmo li ha poi classificati. Diversi stadi di tensione.
Gli esperimenti di laboratorio hanno funzionato. La natura però è disordinata. Complesso di difetti. Dati imperfetti. Reggerebbe?
L’interruttore critico
Hanno testato il metodo su casi storici con precursori noti. Tre distinti assetti tettonici.
- Kahramanmaraş (Türkiye 2023) – Confine strike-slip. Mw7.8.
- L’Aquila (Italia 2009) – Faglie normali frammentate. Mw 6.1.
- Iquique (Cile 2014) – Zona di subduzione. Mw 8.1.
In tutti e tre? Segnali chiari. Settimane o mesi prima.
L’algoritmo ha trovato un modello di scossa premonitore distinto. Tre tratti si sono distinti. Cluster più forte. I terremoti parlano di più. Maggiore localizzazione. Gli eventi si addensarono più vicini nel tempo e nello spazio. Maggiore rilascio di sforzo.
Segnala un sistema prossimo all’instabilità. Un salto dalla stabilità al caos organizzato. Poco prima della rottura.
Ma non ovunque.
Anche il silenzio è un segnale
Hanno applicato lo stesso filtro ai terremoti senza avvertimenti noti. Amatrice (Italia 2016) e Noto (Giappone 2024).
Niente. Non è apparsa alcuna categoria critica.
Perché? Il Prof. Martinez-Garzon lo chiama il problema della variabilità. Monitoraggio complesso. Fisica complessa. Alcuni difetti semplicemente scattano. Nessuna fanfara.
Alcuni guasti si risolvono senza segni evidenti.
Questo non è un fallimento del metodo. È una realtà della Terra. Il progetto, QUAKEHUNTER finanziato dal Consiglio europeo della ricerca, mira a capire quando avviene la preparazione. E quando potremo prenderlo.
Previsioni operative
Per fare previsioni reali è necessario guardare avanti, non indietro. Quindi lo hanno simulato.
Innanzitutto, definire la linea di base. Utilizzare i terremoti precedenti in una regione per stabilire “normalità”. Quindi guarda i nuovi dati. Cerca le partenze.
Se una nuova categoria sismica comparisse all’improvviso? Il guasto potrebbe entrare in uno stato critico. Diverso. Potenzialmente pericoloso.
Può questo prevedere un terremoto in modo deterministico? No. Il dottor Karimpoutli è chiaro su questo punto.
Non è una sfera di cristallo. È un rilevatore di anomalie. Ti dice che l’errore si sta comportando in modo strano. Sta sussurrando qualcosa di nuovo.
Il risultato finale
La fisica incontra l’intelligenza artificiale. Modelli sottili messi in luce che le statistiche tradizionali non riescono a cogliere. Concentrarsi sui gruppi invece che sui singoli individui.
Il prossimo passo? Monitoraggio in tempo reale. Integrazione di questi modelli.
Perché alcuni terremoti con preavviso? Alcuni in silenzio? Ancora sconosciuto. Lo strumento esiste. I dati sono rumorosi. La risposta potrebbe essere proprio nelle chiacchiere di sottofondo che ignoravamo.
Cosa ascolti?
