Científicos descubren inédito método para determinar las zonas más peligrosas alrededor de un volcán
El Instituto Milenio Ckelar Volcanes, está aplicando inteligencia artificial, para enfrentar uno de los fenómenos naturales más impredecibles y destructivos: las erupciones volcánicas.
Un volcán en cualquier parte del mundo y en especial en Chile, que tiene más de 90 activos, puede presentar diversos peligros asociado a las erupciones volcánicas: flujos de lava, cenizas volcánicas, lahares, deslizamientos de tierra y flujos piroclásticos, entre otros.
Cada uno de estos peligros tiene sus propias ecuaciones físicas, conocidas como ecuaciones diferenciales parciales, que describen su comportamiento.
Por lo tanto, la Inteligencia Artificial (IA) junto a las Redes Neuronales Informadas por la Física (PINNs, por sus siglas en inglés), puede analizar estos peligros de manera individual y, en conjunto, proporcionar un mapa completo y detallado de estos peligros volcánicos. En el Instituto Milenio Ckelar Volcanes, la doctora en Física e investigadora postdoctorante Yuvineza Gómez, está justamente usando estas nuevas herramientas para mejorar los mapas de peligros volcánicos, de la mano de la IA.
“Una de estas herramientas innovadoras es el uso de Redes Neuronales Informadas por la Física, una parte esencial de la IA. Se trata de modelos computacionales inspirados en la estructura y funcionamiento del cerebro humano. Estas redes aprenden a partir de grandes volúmenes de datos, reconociendo patrones y realizando posibles predicciones”, explica la científica.
Científicos descubren inédito método para determinar las zonas más peligrosas alrededor de un volcán
Estas redes neuronales convencionales, complementa la científica, son excelentes para reconocer patrones y hacer predicciones basadas en datos, pero a menudo requieren de un volumen muy grande de datos para ser efectivas. Esto puede ser un problema, especialmente en el campo de la volcanología, donde los datos pueden ser limitados o difíciles de obtener. Aquí es donde las PINNs sobresalen.
De acuerdo a la doctora Gómez, al incorporar ecuaciones diferenciales parciales que describen los principios físicos subyacentes, las PINNs pueden acotar el rango de soluciones admisibles. Esto significa que pueden funcionar de manera efectiva incluso con una cantidad limitada de datos, adaptándose mejor a la información disponible y proporcionando predicciones más precisas y robustas.
La experta ejemplifica con uno de los peligros más devastadores de los volcanes: los lahares. “Estos flujos de lodo y productos volcánicos que descienden rápidamente por las laderas del volcán, son extremadamente destructivos y difíciles de predecir debido a su naturaleza dinámica. Utilizando las PINNs, podemos predecir la formación y el espesor de los lahares en diferentes escenarios de erupción. Esto nos permite anticipar su trayectoria y el impacto potencial en las comunidades cercanas, mejorando significativamente la precisión de nuestros mapas de peligros”, explica Yuvineza Gómez.
Resiliencia de las comunidades
La científica complementa que gracias a la IA, se puede actualizar constantemente los mapas de peligros volcánicos. Estos mapas detallan zonas de riesgo, rutas de evacuación y áreas seguras, proporcionando información vital para la planificación y preparación ante una emergencia volcánica. Por lo tanto, agrega, la combinación de redes neuronales y principios físicos no solo permitirá mejorar nuestra capacidad de prever erupciones, sino que también fortalecerá la resiliencia de las comunidades cercanas a los volcanes.
“Al proporcionar datos precisos y oportunos, facilitamos la toma de decisiones y la implementación de medidas preventivas para las autoridades y para las propias comunidades. Por lo tanto, no solo estamos avanzando en la comprensión de los volcanes, también estamos abriendo nuevas fronteras en la prevención de desastres de origen natural. Con cada avance, estamos un paso más cerca de poder predecir y mitigar los peligros volcánicos con una precisión sin precedentes”, concluye la doctora en Física de la UCN.
Comenta
Los comentarios en esta sección son exclusivos para suscriptores. Suscríbete aquí.