AI summary
Penelitian ini memperluas pemahaman tentang aktivitas seismik di Kaldéra Yellowstone. Pembelajaran mesin dapat mengidentifikasi lebih banyak gempa bumi yang sebelumnya tidak terdeteksi. Pola swarma memberikan wawasan baru tentang perilaku seismik yang kompleks di bawah permukaan. Yellowstone Caldera merupakan salah satu wilayah vulkanik paling aktif di dunia, tetapi pencatatan gempa selama bertahun-tahun belum maksimal karena metode manual yang digunakan sulit menangkap semua kejadian gempa, khususnya yang kecil.Profesor Bing Li dan tim menggunakan teknologi machine learning untuk mengolah data gempa selama 15 tahun di Yellowstone, sehingga jumlah gempa yang terdeteksi meningkat hingga sepuluh kali lipat dibanding sebelumnya.Salah satu temuan utama adalah bahwa lebih dari setengah gempa di wilayah tersebut terjadi dalam bentuk kawanan gempa, yaitu kumpulan gempa kecil yang saling berhubungan dalam ruang dan waktu singkat, bukan sekadar gempa susulan dari satu peristiwa besar.Data yang dihasilkan memberikan gambaran yang lebih jelas tentang aktivitas seismik dan struktur patahan di Yellowstone, yang ternyata memiliki patahan muda dan kasar berbeda dari klasifikasi patahan di wilayah lain seperti California Selatan.Peningkatan katalog ini penting untuk memahami mekanisme vulkanik, menilai risiko erupsi, memperbaiki protokol keselamatan publik, serta membantu pengembangan energi panas bumi dengan menghindari zona yang berbahaya.
Penerapan machine learning dalam studi seismik di Yellowstone merupakan lompatan besar yang patut diapresiasi karena membuka data baru yang selama ini tersembunyi. Namun, pendekatan ini harus terus diuji validitasnya agar tidak menghasilkan kesimpulan yang berlebihan dalam menginterpretasi aktivitas vulkanik yang kompleks.
