Genom att lyssna på den akustiska signalen från en jordbävning som skapats av ett laboratorium, en datavetenskaplig metod med maskininlärning kan förutsäga den återstående tiden innan felet misslyckas.

"När som helst, bullret som kommer från labfelzonen ger kvantitativ information om när felet kommer att glida, "sa Paul Johnson, en kollega i Los Alamos National Laboratory och ledande utredare om forskningen, som publicerades idag i Geofysiska forskningsbrev .

"Nyheten i vårt arbete är användningen av maskininlärning för att upptäcka och förstå ny misslyckande fysik, genom undersökning av den inspelade hörselsignalen från experimentuppsättningen. Jag tror att framtiden för jordbävningsfysiken kommer att förlita sig mycket på maskininlärning för att bearbeta massiva mängder rå seismisk data. Vårt arbete representerar ett viktigt steg i denna riktning, " han sa.

Arbetet har inte bara en potentiell betydelse för jordbävningsprognoser, Johnson sa, men tillvägagångssättet är långtgående, tillämplig på potentiellt alla felscenarier inklusive icke -förstörande testning av industrimaterial spröda fel av alla slag, laviner och andra händelser.

Maskininlärning är en artificiell intelligensmetod för att låta datorn lära av nya data, uppdatera sina egna resultat för att återspegla konsekvenserna av ny information.

Maskininlärningstekniken som används i detta projekt identifierar också nya signaler, tidigare tänkt att vara lågamplitudbrus, som ger prognosinformation under jordbävningscykeln. "Dessa signaler liknar jordskakningar som uppstår i samband med långsamma jordbävningar på tektoniska fel i den nedre skorpan, "Johnson sa." Det finns anledning att förvänta sig sådana signaler från jordfel i den seismogena zonen för att långsamt glida fel. "

Maskininlärningsalgoritmer kan förutsäga brottstider för laboratoriechev med anmärkningsvärd noggrannhet. Den akustiska utsläppssignalen (AE), som kännetecknar systemets momentana fysiska tillstånd, förutspår tillförlitligt misslyckande långt in i framtiden. Detta är en överraskning, Johnson påpekade, eftersom allt tidigare arbete hade antagit att endast katalogen över stora evenemang är relevant, och att små fluktuationer i AE -signalen skulle kunna försummas.

För att studera fenomenen, teamet analyserade data från ett laboratoriefelsystem som innehåller felhål, det grundmaterial som skapats av stenblocken som glider förbi varandra. En accelerometer registrerade det akustiska utsläppet från skjuvlagren.

Efter ett friktionsbrott i labquaken, skärblocket rör sig eller förflyttas, medan gummimaterialet vidgas och förstärks samtidigt som visas genom mätbart ökad skjuvspänning och friktion. "När materialet närmar sig misslyckande, det börjar visa egenskaperna hos en kritisk stressregim, inklusive många små skjuvfel som avger impulsiva akustiska utsläpp, "Beskrev Johnson.

"Detta instabila tillstånd avslutas med en verklig labquake, där skärklossen snabbt förskjuts, friktions- och skjuvspänningen minskar snabbt, och gummilagren samtidigt kompakta, "sa han. Under en rad olika förhållanden, apparaten glider ganska regelbundet för hundratals stresscykler under ett enda experiment. Och viktigast av allt, signalen (på grund av gungningsslipning och knarrande som i slutändan leder till de impulsiva föregångarna) tillåter förutsägelse i laboratoriet, och vi hoppas kommer att leda till framsteg i förutsägelser på jorden, Sa Johnson.