Terremoti silenziosi rivelati dall’intelligenza artificiale lungo la faglia di Sant’Andrea

La maggior parte dei terremoti si annuncia con una scossa improvvisa. Ma sotto il segmento di Parkfield della faglia di Sant’Andrea, in California, esiste una classe di movimenti ben più silenziosa: gli eventi di scivolamento lento (SSE), che rilasciano energia nell’arco di giorni o settimane senza produrre scosse sismiche. Ora, un algoritmo di deep learning chiamato DeepStrain ha rivelato che questi eventi silenziosi sono molto più frequenti di quanto si pensasse e svolgono un ruolo diretto nell’innescare i piccoli tremori noti come terremoti a bassa frequenza (LFE).

La sfida di individuare lo scivolamento silenzioso

Gli SSE sono notoriamente difficili da catturare. I deformometri in pozzo (BSM) – strumenti interrati in profondi fori cilindrici – sono in grado di rilevare le deformazioni della crosta terrestre a livello di nanostrain, rendendoli sufficientemente sensibili da registrare deformazioni transitorie causate da scorrimento asismico e da episodi di tremore e scivolamento (ETS) . Tuttavia, i segnali degli SSE piccoli e di breve durata vengono facilmente sepolti nel rumore di fondo delle serie temporali e spesso sfuggono all’analisi manuale . Le reti GPS, lo strumento tradizionale per misurare il movimento della crosta, sono ancora meno efficaci: i tassi di deformazione di questi eventi profondi sono spesso al di sotto della soglia di rilevabilità del GPS .

Come funziona DeepStrain

Sviluppato dalla geofisica Zahra Zali del GFZ di Potsdam, DeepStrain è un modello di deep learning addestrato specificamente sulle registrazioni dei deformometri in pozzo della rete NOTA (Network of the Americas) della NSF . L’algoritmo impara a riconoscere i sottili schemi d’onda dello scivolamento lento all’interno del rumore ad alta dimensionalità dei dati continui di deformazione. Il codice e la pipeline di pre-elaborazione sono stati rilasciati pubblicamente nell’agosto 2025, consentendo ad altri ricercatori di applicare il metodo ad altre zone di faglia .

Applicato alla regione di Parkfield, DeepStrain ha ottenuto un risultato notevole: ha rilevato il 90% degli SSE già catalogati manualmente e, cosa ancora più importante, ha identificato 21 nuovi SSE che erano sfuggiti all’analisi manuale . Questo aumento di circa il 30% del catalogo noto degli eventi fornisce un quadro molto più completo del comportamento della faglia in questo segmento intensamente studiato della faglia di Sant’Andrea.

Il legame temporale con i terremoti a bassa frequenza

Forse il risultato più significativo è emerso quando il team ha analizzato la tempistica degli SSE appena scoperti in relazione ai terremoti a bassa frequenza (LFE). I dati hanno mostrato che gli eventi di scivolamento lento erano spesso seguiti da terremoti a bassa frequenza . Questa sequenza temporale suggerisce fortemente un meccanismo causale: lo scivolamento lento asismico carica o innesca la zona sismogenica che successivamente genera l’LFE.

Questo risultato è coerente con studi precedenti che mostravano come l’attività di tremore e LFE vicino a Parkfield condivida la stessa scala momento-durata degli eventi di scivolamento lento, implicando che siano fisicamente collegati . I terremoti a bassa frequenza sono stati a lungo interpretati come indicatori sismici dello scivolamento asismico circostante , ma DeepStrain fornisce la prova geodetica più chiara finora che singoli eventi di scivolamento lento precedono e probabilmente innescano quei piccoli terremoti.

Implicazioni per il monitoraggio delle faglie e il ruolo dell’IA in geofisica

Capacità di rilevamento ampliata

DeepStrain dimostra che l’IA può estrarre segnali geodetici al di sotto della soglia di rilevabilità sia delle reti GPS che dell’analisi manuale dei deformometri. Questo catalogo ampliato di SSE consente studi statistici più robusti sul comportamento delle faglie, sugli intervalli di ricorrenza e sulle condizioni che portano a terremoti più grandi .

Un legame causale tra scivolamento asismico e sismico

L’osservazione che gli SSE precedono sistematicamente gli LFE supporta i modelli in cui lo scivolamento lento carica le zone di faglia vicine, portandole potenzialmente più vicine alla rottura. Ciò ha una rilevanza diretta per la comprensione della nucleazione e della ricorrenza dei terremoti sulla faglia di Sant’Andrea, una regione critica per la valutazione del rischio sismico .

Potenziale operativo in tempo reale

Poiché DeepStrain può essere utilizzato su dati continui di deformometri in pozzo, offre uno strumento per il rilevamento quasi in tempo reale delle deformazioni transitorie che potrebbero precedere terremoti più grandi. La rete NOTA mantiene già l’infrastruttura necessaria per i deformometri e mette a disposizione della comunità scientifica sia i dati che gli strumenti di elaborazione . Ciò potrebbe trasformare il modo in cui i sistemi di allerta precoce per i terremoti integrano i dati geodetici.

Precedente più ampio per l’IA in geofisica

Questo lavoro si aggiunge a un crescente corpo di evidenze che dimostrano come il deep learning possa estrarre sistematicamente segnali geofisici invisibili ai metodi tradizionali. Approcci simili – come le CNN per il rilevamento dei tremori in Cascadia e il deep learning per l’identificazione degli LFE sulla faglia di Sant’Andrea – hanno mostrato che l’IA può fungere da “moltiplicatore di forze” per le reti di monitoraggio esistenti . DeepStrain dimostra che lo stesso principio si applica ai dati dei deformometri in pozzo, un tipo di sensore fondamentale per rilevare lo scivolamento transitorio nelle radici profonde delle faglie.

Avvertenze e questioni aperte

L’architettura precisa di DeepStrain (se utilizzi un design convoluzionale, ricorrente o basato su transformer) non è dettagliata nei riassunti pubblicamente disponibili. I dettagli metodologici completi sono contenuti nell’articolo su Nature Communications (doi: 10.1038/s41467-026-74095-9) . Inoltre, l’algoritmo finora è stato validato solo sul segmento di Parkfield; le sue prestazioni su altre zone di faglia con diverse configurazioni di deformometri e caratteristiche di rumore devono ancora essere testate.