Recentemente, pesquisadores de universidades como a Universidade da Califórnia, Berkeley, publicaram um artigo descrevendo um modelo de aprendizado profundo chamado RECAST, projetado para melhorar as previsões de terremotos. Este modelo, baseado em modelos generativos de redes neurais, pode ser treinado usando conjuntos de dados históricos de terremotos em maior escala. Comparado ao modelo padrão ETAS, o RECAST oferece maior flexibilidade.
Os pesquisadores utilizaram GPUs para acelerar o treinamento do modelo e realizaram testes em várias regiões. Os resultados demonstraram uma melhoria significativa na precisão da previsão de terremotos do RECAST em comparação com o ETAS.
O plano é disponibilizar o código-fonte do modelo (open source), permitindo que mais equipes o testem e contribuam para sua melhoria iterativa, visando aprimorar ainda mais a previsão de terremotos.
