Un significativo progresso nella previsione delle scosse di assestamento post-terremoto è stato raggiunto grazie a un innovativo modello di intelligenza artificiale sviluppato da un team internazionale di esperti provenienti dal Regno Unito e dall’Italia. La ricerca, pubblicata recentemente sulla rivista Earth, Planets and Space, propone una tecnologia capace di stimare in pochi secondi il rischio e il numero di repliche sismiche, superando di gran lunga i tradizionali metodi di previsione che richiedono ore o addirittura giorni.
Innovazione nella previsione delle scosse di assestamento
Il modello di IA è frutto della collaborazione tra l’Università di Edimburgo, il Servizio Geologico Britannico e l’Università di Padova, con la guida scientifica della professoressa Foteini Dervisi. Questa nuova tecnologia si basa sull’analisi di ampi database sismici provenienti da aree altamente attive come Giappone, Nuova Zelanda, Stati Uniti, Italia e Grecia. Attraverso l’apprendimento automatico, il sistema individua pattern e correlazioni tra variabili che sfuggono ai modelli matematici tradizionali, permettendo di prevedere non solo il numero di repliche ma anche la loro localizzazione geografica entro le prime 24 ore dopo un evento sismico significativo.
Questo intervallo temporale è cruciale per le autorità e i soccorritori, poiché consente di organizzare tempestivamente evacuazioni, rafforzare le infrastrutture a rischio e ottimizzare la distribuzione degli aiuti. La rapidità del metodo, unita alla sua compatibilità con hardware convenzionali, lo rende particolarmente adatto per applicazioni in paesi con risorse tecnologiche limitate, dove la tempestività e l’accessibilità delle previsioni sono spesso compromesse.
I modelli classici di previsione delle repliche, come l’ETAS (Epidemic-Type Aftershock Sequence), si basano su complesse simulazioni matematiche che richiedono tempi lunghi per produrre risultati affidabili. Questa lentezza può essere un ostacolo critico in situazioni di emergenza, dove ogni minuto è prezioso per salvare vite e limitare i danni. Inoltre, l’esigenza di infrastrutture computazionali avanzate e personale specializzato riduce la possibilità di implementazione in diverse realtà geografiche.
Il modello di IA sviluppato supera queste difficoltà grazie alla sua efficienza computazionale e alla capacità di operare in tempo quasi reale. Gli esperti hanno sottoposto il sistema a test rigorosi, chiedendo di stimare le repliche dopo terremoti di magnitudo 4 o superiore, ottenendo risultati comparabili in precisione ai metodi tradizionali ma con un notevole vantaggio di velocità.
Implicazioni future e sviluppo della tecnologia
I ricercatori sottolineano che l’efficacia del modello dipende dalla qualità e dall’aggiornamento costante delle banche dati sismiche locali, motivo per cui è fondamentale incentivare la raccolta e la gestione di dati accurati in tutte le regioni a rischio sismico. In prospettiva, l’adozione di questa tecnologia potrebbe ridurre significativamente i tempi di risposta delle autorità locali e migliorare la sicurezza delle popolazioni esposte ai terremoti.
Il potenziale applicativo del modello è particolarmente rilevante in un mondo dove eventi sismici di forte entità continuano a rappresentare una minaccia costante, soprattutto in aree con infrastrutture fragili o scarsamente monitorate. La combinazione di intelligenza artificiale e scienze della Terra apre nuove strade per la prevenzione e la gestione delle catastrofi naturali, con un impatto concreto sulla tutela della vita e del patrimonio.
Consigliati per te
Le aziende italiane scelgono i dati: People Analytics adottati dal 60% e investimenti in crescita 
Trionfo Bullpadel a Milano: Chingotto domina in finale con la Neuron 02 Edge 
Ma quale auto elettrica, la vera rivoluzione è un’altra: non ha nemmeno ruote 
Janus vince la Start Cup Campania 2025 con l’innovazione nell’intelligenza artificiale 
Lartotecnica e la nuova etica d’impresa: innovazione e responsabilità per il futuro 
Foorban rivoluziona la pausa pranzo con i suoi smart fridge per aziende
