“Earthquake Transformer” : voici le nom d’un nouvel outil de détection des séismes qui a permis à une équipe de l’université Stanford (États-Unis) d’identifier des signaux si faibles qu’ils passaient jusqu’à aujourd’hui inaperçus.

Il y a peu encore, il fallait des heures de déchiffrage pour analyser les données sismiques
Il y a peu encore, l’analyse des données sismiques enregistrées par des capteurs répartis sur le globe nécessitait des heures de déchiffrage. Afin d’automatiser l’analyse de ces données, les chercheurs ont mis au point successivement deux modèles d’intelligence artificielle reposant sur “l’apprentissage profond” (deep learning). Le premier s’appuyait en 2018 sur des algorithmes issus de systèmes de traitement d’images médicales avec pour tâche de discriminer les deux types d’ondes sismiques qui permettent de déterminer l’épicentre et la magnitude d’un séisme : les ondes primaires “P”, qui se propagent rapidement, et les ondes secondaires “S”, plus lentes mais plus destructrices. En 2019, le second modèle, inspiré cette fois par les algorithmes des assistants virtuels, s’est également révélé efficace pour la détection sismique.

Le “mécanisme d’attention hiérarchique”

Leur héritier, Earthquake Transformer, est doté de plus de capacités d’analyse, grâce à un procédé appelé “mécanisme d’attention hiérarchique” qui reproduit ce que nous faisons intuitivement, à savoir négliger les détails pour nous concentrer sur l’essentiel. Son épreuve finale : Earth-quake Transformer a dû analyser 5 semaines de données enregistrées autour d’un séisme qui s’est produit en 2000 au Japon. Résultat : il a détecté et localisé deux fois plus d’événements en utilisant moins d’un tiers des stations sismiques normalement nécessaires, et ce avec une précision proche de celle des analystes humains mais avec une bien plus grande rapidité. Surtout, son efficacité et sa sensibilité lui permettent de caractériser des événements plus faibles, qui pourraient être les prémices de séismes majeurs.

sciencesetavenir