Использование искусственного интеллекта для понимания вулканических извержений по микроскопическому пеплу

Ученые под руководством Дайго Сёдзи из Института наук о Земле и жизни (Токийский технологический институт) показали, что тип искусственного интеллекта, называемый сверточной нейронной сетью, можно обучить классифицировать формы частиц вулканического пепла. Поскольку форма вулканических частиц связана с типом извержения, эта классификация может предоставить информацию об извержениях и помочь в смягчении вулканических угроз.

Вулканические извержения бывают разными: от взрывных извержений, подобных извержению Эйяфьядлайёкюдль в Исландии в 2010 году, которое на неделю парализовало авиасообщение в Европе, до относительно спокойных лавовых потоков на Гавайских островах в мае 2018 года. Эти извержения также несут разные угрозы — от пепловых облаков до лавы. Механизм извержения (например, взаимодействие воды и магмы) не всегда очевиден, и вулканологам необходимо его тщательно оценивать, чтобы определить будущие угрозы и меры реагирования. Вулканологи пристально изучают пепел, образующийся при извержениях, так как разные извержения производят частицы пепла различной формы. Однако как объективно проанализировать тысячи крошечных образцов, чтобы получить целостную картину извержения? Обычный метод — классификация на глаз, но он медленный, субъективный и ограничен доступностью опытных вулканологов. Обычные компьютерные программы быстро классифицируют частицы по объективным параметрам, таким как округлость, но выбор этих параметров остаётся задачей исследователя, поскольку в природе редко встречаются простые формы, которые можно описать одним параметром.

Решение — сверточная нейронная сеть (CNN), искусственный интеллект, созданный для анализа изображений. В отличие от других программ, CNN обучается органически, как человек, но в тысячи раз быстрее. Программу также можно распространять, устраняя необходимость в десятках обученных геологов на месте. Для этого эксперимента программе показали изображения сотен частиц с одной из четырёх базовых форм, которые создаются разными механизмами извержения. Частицы пепла бывают блоковидными (когда породы дробятся взрывом), пористыми (когда лава насыщена пузырьками газа), удлинёнными (когда расплавленные частицы сжимаются) и округлыми (под действием поверхностного натяжения жидкости, как капли воды). Эксперимент успешно обучил программу классифицировать базовые формы с точностью 92% и присваивать вероятностные соотношения для каждой частицы, даже если её форма неопределённа. Это может позволить добавить в будущем дополнительный уровень сложности к данным, предоставив учёным лучшие инструменты для определения типа извержения, например, было ли оно фреатомагматическим (как вторая фаза извержения Эйяфьядлайёкюдль в 2010 году) или магматическим (как боковые извержения вулкана Этна).

Исследование доктора Сёдзи показало, что CNN можно обучить находить полезную, сложную информацию о крошечных частицах, имеющих огромную геологическую ценность. Чтобы расширить возможности CNN, можно использовать более совершенные методы увеличения, такие как электронная микроскопия, которые добавят цвет и текстуру к результатам. Благодаря сотрудничеству биологов, компьютерных учёных и геологов исследовательская группа надеется использовать CNN новыми способами. Микромир всегда был сложным, но благодаря работе учёных, изучающих вулканы, ответы может стать легче найти.