Stanford University
Kilauea ash

有什么可以学习机告诉我们关于固体地球?

科学足球外围网们正在训练的机器学习算法,以帮助在地震灾害,火山爆发,地下水流和长期的奥秘揭示什么那张地球的表面之下。

通过乔西garthwaite
时钟2019年3月21日
Beroza
地球物理学足球外围网格雷戈里·贝罗萨是有越来越多的科学足球外围网谁是训练的机器学习算法,使地球的地质系统的日益复杂的模拟感。 (信息来源:斯泰西geiken)

科学足球外围网试图了解地球的内部发条已经部署的传感器监听的单,隆隆声,呼气,并从地球上最深的故障发出其最高的火山其它干扰迹象的军队。 “我们连续测量地面的运动,通常是在数百至数千的仪器收集每秒100个样品,说:”足球外围官网—最新备用网址物理学足球外围网 格雷戈里·贝罗萨。 “这数据只是一个巨大的流量。”

但科学足球外围网们提取能力,从这个意义的信息却没有跟上。

固体地球,海洋和大气一起形成其中的物理,生物和化学过程的尺度从毫秒到几十亿年相互作用的地球系统,并从单个原子的大小,一个整个地球的。 “所有这些东西都在一定程度上加上,解释说:” beroza,在韦恩LOEL教授 School of Earth, Energy & Environmental 科学s (斯坦福土)。 “我们不明白的单个系统,我们不彼此了解他们的关系。”

现在,如在beroza和共同作者大纲 在杂志上发表3月21日 科学,培养探索不断扩展的地质数据流的结构,建立在观察,因为他们去,让越来越复杂,庞大的模拟,帮助科学足球外围网感的机器学习算法回答有关如何土石方工程持久的问题。

大行情标点符号图标

我们可以得到一个不错的逼近现实,我们就可以应用到如此大的数据集或者是如此大量的模拟,是目前最强大的计算机将无法对其进行处理。

从自动化到发现

“当我五年前开始与地球学足球外围网合作,有各地的机器学习与数据科学的兴趣和好奇心,”回忆karianne卑尔根,在纸上主要作者,谁在计算和数学获得博士学位哈佛数据的科学举措研究员工程从足球外围官网。 “但使用机器学习研究地球科学应用的社区相对较小。” 

这瞬息万变。机器学习在地球科学领域最直接的应用程序会自动归类一样火山灰颗粒,并确定在一组地震的晃表示地震开始时的尖峰重复的任务。这种类型的机器学习的类似于在其他领域,可能训练的算法来检测基于一组的由医师标记的例子的医用图像癌症的应用。更先进的算法解开地球科学新发现及以后可以开始识别模式,而不从已知实例工作。 

“假设我们开发基于已知地震地震探测器。它会找到地震,看起来像地震称为” beroza解释。 “这将是更令人兴奋的发现是地震 别 像著名的地震。” beroza和他的同事在足球外围官网已经能够做到这一点,通过使用一种算法, 标记任何重复签名 而不是狩猎只能由科学足球外围网先前已经编录地震产生的模式 - 即从记录的地震晃动的仪器 - 在晃套由地震仪拾起。

这两种类型的算法 - 那些在训练数据中的显式标记和那些没有 - 可以被构造为深神经网络,其作用象一个多层次的系统,其中数据的一些变换的一层中的结果作为输入在下一层新的计算。在文件中指出的其它努力中,这些类型的网络已经允许地球学足球外围网迅速地计算地震波的速度 - 用于估计地震到达时间的关键计算 - 和通过地球的自然运动所造成摇动而不是爆炸之间进行区分。

大行情标点符号图标

我们最大错误的根源......来自知道什么是地球内部结构是真的很喜欢,并且应该进入这些方程的参数。

一个不完美的模仿

除了察觉忽视模式,学习机还可以帮助驯服势不可挡的数据集。建模地震如何影响延伸数百个地球的地壳最外层英里以下在地球内部的层的粘性部分,例如,需要一个insurmountably大量的计算能力。但机器学习算法可以找到快捷方式,基本上是用更少的计算模拟更详细的方程的解。

“我们可以得到一个不错的逼近现实,我们就可以应用到数据集,都这么大了,或有如此广泛的模拟,是目前最强大的计算机将无法对其进行处理,” beroza说。

更重要的是,在这些方程基于人工智能的解决方案的任何精度不足往往苍白的意义相比,科学足球外围网自己对如何建立计算摆在首位的决定的影响。 “我们最大的错误的来源从我们无力解决方程来没有,” beroza说。 “它来自知道什么是地球内部结构是真的很喜欢,并且应该进入这些方程的参数。” 

开放科学

可以肯定,机器学习是远远不能回答在地球科学领域最棘手问题的理想工具。 “最强大的机器学习算法通常需要大量标签的数据集,不能用于许多应用地球科学,”贝亨说。如果科学足球外围网们在训练不足或不当标示数据的算法,她警告说,它可能会导致模型重现偏差不一定反映现实。 

这种类型的错误可以部分通过的“标杆”的数据集,其研究人员认为可以刺激竞争,并允许对算法的性能苹果对苹果比较,更大的透明度和创造来防治的。根据卑尔根,“采用开放式的科学原则,包括数据和代码共享,将有助于加快研究,并允许社区查明并解决限制或提出方法的弱点。”

人类急躁可能难以保持在检查。 “我很担心的是,人们要使用ai的天真,” beroza说。 “你能想象有人培养了许多层,深层神经网络做地震预测 - 然后不测试在正确地验证其预测值的方式方法。”

合着者与洛杉矶下属洛斯阿拉莫斯国足球外围网实验室和莱斯大学。

该工作得到了支持 美国。能源部,国足球外围网科学基金会,哈佛数据的科学举措,洛斯阿拉莫斯国足球外围网实验室和西蒙斯基金会。

媒体联系人

乔西garthwaite

School of Earth, Energy & Environmental 科学s

(650)497-0947, josieg@stanford.edu

格雷戈里·贝罗萨

School of Earth, Energy & Environmental 科学s

beroza@stanford.edu

图标图标列表中的网站上使用邮件LinkedIn双胡萝卜左左箭头双胡萝卜播放机Instagram的胡萝卜引用Facebook的推特减去搜索菜单箭头时钟