Home Notizie recenti Il nuovo metodo può migliorare il rilevamento delle esplosioni

Il nuovo metodo può migliorare il rilevamento delle esplosioni

20
0

Mappa dei 13 array di infrasuoni regionali (triangoli invertiti) attivi durante l’esperimento Humming Roadrunner nel New Mexico. Credito: Università dell’Alaska Fairbanks

I computer possono essere addestrati per rilevare meglio le detonazioni nucleari lontane, le esplosioni chimiche e le eruzioni vulcaniche imparando dai segnali di esplosione artificiale, secondo un nuovo metodo ideato da uno scienziato dell’Università dell’Alaska Fairbanks.

Il lavoro, guidato dal ricercatore post-dottorato dell’UAF Geophysical Institute Alex Witsil, è stato pubblicato di recente sulla rivista Lettere di ricerca geofisica.

Witsil, presso il Wilson Alaska Technical Center del Geophysical Institute, e colleghi hanno creato una libreria di segnali di esplosione di infrasuoni sintetici per addestrare i computer a riconoscere la fonte di un segnale a infrasuoni. L’infrasuoni ha una frequenza troppo bassa per essere udita dagli esseri umani e viaggia più lontano delle onde udibili ad alta frequenza.

“Abbiamo utilizzato un software di modellazione per generare 28.000 segnali di infrasuoni sintetici, che, sebbene generati in un computer, potrebbero essere registrati ipoteticamente da microfoni a infrarossi dispiegati a centinaia di chilometri da una grande esplosione”, ha affermato Witsil.

I segnali artificiali riflettono le variazioni delle condizioni atmosferiche, che possono alterare il segnale di un’esplosione a livello regionale o globale mentre le onde sonore si propagano. Tali modifiche possono rendere difficile rilevare l’origine e il tipo di un’esplosione a grande distanza.

Perché creare suoni artificiali di esplosioni piuttosto che utilizzare esempi del mondo reale? Poiché le esplosioni non si sono verificate in ogni luogo del pianeta e l’atmosfera cambia costantemente, non ci sono abbastanza esempi del mondo reale per addestrare algoritmi di rilevamento generalizzato di apprendimento automatico.

“Abbiamo deciso di utilizzare materiali sintetici perché possiamo modellare una serie di diversi tipi di atmosfere attraverso le quali i segnali possono propagarsi”, ha affermato Witsil. “Quindi, anche se non abbiamo accesso a nessuna esplosione avvenuta nella Carolina del Nord, ad esempio, posso usare il mio computer per modellare le esplosioni della Carolina del Nord e costruire un algoritmo di apprendimento automatico per rilevare i segnali di esplosione lì”.

Oggi, gli algoritmi di rilevamento si basano generalmente su array di infrasuoni costituiti da più microfoni vicini l’uno all’altro. Ad esempio, la Comprehensive Test Ban Treaty Organization, che monitora le esplosioni nucleari, dispone di sistemi di infrasuoni dispiegati in tutto il mondo.

“È costoso, è difficile da mantenere e molte più cose possono rompersi”, ha detto Witsil.

Il metodo di Witsil migliora il rilevamento utilizzando centinaia di microfoni a infrasuoni a elemento singolo già in uso in tutto il mondo. Ciò rende il rilevamento più conveniente.

Il metodo di apprendimento automatico amplia l’utilità dei microfoni a infrasuoni a elemento singolo rendendoli in grado di rilevare segnali di esplosione più sottili quasi in tempo reale. I microfoni a elemento singolo attualmente sono utili solo per analizzare retroattivamente segnali noti e tipicamente ad alta ampiezza, come hanno fatto con la massiccia eruzione del vulcano Tonga di gennaio.

Il metodo di Witsil potrebbe essere utilizzato in un contesto operativo per la difesa nazionale o la mitigazione dei rischi naturali.


Articolo precedenteIndicatori dinamici di malattia mentale catturati dall’IA avanzata nell’imaging cerebrale
Articolo successivoGli scienziati trovano indizi molecolari dietro le fasi acute e croniche della lesione cerebrale traumatica