Les ordinateurs peuvent être formés pour mieux détecter les détonations nucléaires distantes, les explosions chimiques et les éruptions volcaniques en apprenant à partir de signaux d’explosion artificiels, selon une nouvelle méthode conçue par un scientifique de l’Université d’Alaska à Fairbanks.
Les travaux, dirigés par le chercheur postdoctoral de l’UAF Geophysical Institute, Alex Witsil, ont été publiés récemment dans la revue Geophysical Research Letters.
Witsil, du centre technique Wilson Alaska de l’Institut géophysique, et ses collègues ont créé une bibliothèque de signaux d’explosion d’infrasons synthétiques pour entraîner les ordinateurs à reconnaître la source d’un signal infrasonore. Les infrasons sont à une fréquence trop basse pour être entendus par les humains et se propagent plus loin que les ondes audibles à haute fréquence.
« Nous avons utilisé un logiciel de modélisation pour générer 28 000 signaux infrasons synthétiques, qui, bien que générés dans un ordinateur, pourraient hypothétiquement être enregistrés par des microphones infrasons déployés à des centaines de kilomètres d’une grande explosion », a déclaré Witsil.
Les signaux artificiels reflètent les variations des conditions atmosphériques, qui peuvent altérer le signal d’une explosion au niveau régional ou mondial à mesure que les ondes sonores se propagent. Ces changements peuvent rendre difficile la détection de l’origine et du type d’une explosion à grande distance.
Pourquoi créer des sons artificiels d’explosions plutôt que d’utiliser des exemples réels ? Étant donné que des explosions ne se sont pas produites à tous les endroits de la planète et que l’atmosphère change constamment, il n’y a pas suffisamment d’exemples réels pour former des algorithmes de détection d’apprentissage automatique généralisés.
« Nous avons décidé d’utiliser des synthétiques parce que nous pouvons modéliser un certain nombre de différents types d’atmosphères à travers lesquelles les signaux peuvent se propager », a déclaré Witsil. « Ainsi, même si nous n’avons accès à aucune explosion qui s’est produite en Caroline du Nord, par exemple, je peux utiliser mon ordinateur pour modéliser les explosions en Caroline du Nord et créer un algorithme d’apprentissage automatique pour y détecter les signaux d’explosion. »
Aujourd’hui, les algorithmes de détection reposent généralement sur des réseaux d’infrasons constitués de plusieurs microphones proches les uns des autres. Par exemple, l’Organisation internationale du Traité d’interdiction complète des essais, qui surveille les explosions nucléaires, a déployé des réseaux d’infrasons dans le monde entier.
« C’est cher, c’est difficile à entretenir et beaucoup plus de choses peuvent casser », a déclaré Witsil.
La méthode de Witsil améliore la détection en utilisant des centaines de microphones à infrasons à un seul élément déjà en place dans le monde. Cela rend la détection plus rentable.
La méthode d’apprentissage automatique élargit l’utilité des microphones infrasons à un seul élément en les rendant capables de détecter des signaux d’explosion plus subtils en temps quasi réel. Les microphones à un seul élément ne sont actuellement utiles que pour analyser rétroactivement des signaux connus et généralement de grande amplitude, comme ils l’ont fait lors de l’éruption massive du volcan Tonga en janvier.
La méthode de Witsil pourrait être déployée dans un cadre opérationnel pour la défense nationale ou l’atténuation des risques naturels.
Ce travail a été financé par la Defense Threat Reduction Agency.
New Grb3
