Fujitsu utiliza la supercomputadora más rápida del mundo “Fugaku” y la IA para predecir tsunamis en tiempo real en un proyecto conjunto

El Instituto Internacional de Investigación de la Ciencia de los Desastres de la Universidad de Tohoku, el Instituto de Investigación de Terremotos de la Universidad de Tokio y Fujitsu Laboratories han anunciado el desarrollo exitoso de un modelo de IA, que permitirá a los equipos de gestión de desastres predecir las inundaciones por tsunami en las zonas costeras, casi en tiempo real, aprovechando la potencia de cálculo de la supercomputadora más rápido del mundo (1): Fugaku, desarrollado conjuntamente por RIKEN y Fujitsu.

Como parte de esta iniciativa, se llevaron a cabo numerosas simulaciones de tsunamis de alta resolución utilizando la supercomputadora Fugaku. Posteriormente, se creó un nuevo modelo de IA utilizando como datos de entrenamiento formas de onda de tsunami simuladas en alta mar y condiciones de inundación costera.

En caso de que se produzca un terremoto real, la introducción de datos de ondas de tsunami observadas en alta mar en este modelo de IA, recién creado, permitirá predecir las condiciones de las inundaciones en las zonas costeras antes de la llegada a tierra, con una alta resolución espacial. Esto facilitará obtener, con mayor precisión y rapidez, datos detallados sobre la previsión de inundaciones en zonas específicas, ofreciendo una visión crítica de los efectos de las olas localizadas en las infraestructuras circundantes, como edificios y carreteras de las zonas urbanas costeras.

Además, el modelo de IA, probado de antemano con Fugaku, puede ejecutarse en cuestión de segundos en computadoras normales, lo que facilita mucho la creación de sistemas prácticos de predicción de inundaciones en tiempo real, que antes requerían supercomputadoras. En última instancia, esta tecnología ofrece la posibilidad de que los equipos de gestión de catástrofes tomen medidas de mitigación y evacuación, casi en tiempo real y basadas en datos.

Antecedentes y desafíos

En marzo de 2011, el Gran Terremoto del Este de Japón desencadenó un tsunami masivo que provocó daños catastróficos en la región de Tohoku, a lo largo de la costa oriental de Japón, poniendo en evidencia los desafíos de los esfuerzos de mitigación de desastres. Este trágico suceso puso de manifiesto que siguen existiendo muchos problemas desde el punto de vista de la adquisición y utilización de información para una evacuación eficaz y segura, en caso de catástrofe.

La predicción de tsunamis representa un área clave en este sentido, requiere del desarrollo de tecnologías que permitan a las autoridades obtener rápidamente información precisa y detallada, para ayudar a los equipos de gestión de catástrofes a mitigar los daños al ordenar las acciones de evacuación adecuadas. Desde el Gran Terremoto del Este de Japón, la red de observación de tsunamis en las aguas costeras japonesas se ha reforzado significativamente, a la vez que se ha promovido como prioridad urgente el desarrollo de tecnologías de predicción de tsunamis altamente precisas en las zonas costeras, que aprovechen los datos de su observación en tiempo real, fuera de la costa.

Convencionalmente, las predicciones de tsunamis en zonas costeras se han basado principalmente en el método de selección de los datos bajo las condiciones generales de terremotos y tsunamis más similares, en comparación con las observaciones de las bases de datos preparadas de antemano mediante simulaciones, y en el método de ajuste gradual de las predicciones de tsunamis en zonas costeras, para que sean coherentes con las observaciones de tsunamis en alta mar. En ambos casos, los cálculos de simulación para la predicción de inundaciones dependen de supercomputadoras a gran escala o de la búsqueda en bases de datos, lo que dificulta la implementación y el funcionamiento de un sistema de predicción viable.

Acerca de la nueva tecnología e iniciativa desarrollada

Para resolver este problema, Fujitsu, la Universidad de Tohoku y la Universidad de Tokio trabajaron conjuntamente en el desarrollo de una tecnología de IA de alta resolución capaz de predecir instantáneamente las inundaciones causadas por los tsunamis, utilizando el entorno de evaluación de Fugaku en el tema de investigación “Previsión de tsunamis basada en IA a exascale para predecir lo imprevisto” (2), seleccionado en los proyectos de uso preliminar de Fugaku para el año 2020 (3)  y solicitados por la Organización de Investigación para la Ciencia y la Tecnología de la Información.

Aprovechando la potencia de cálculo excepcionalmente rápida de la supercomputadora Fugaku, los miembros del proyecto generaron datos de entrenamiento para 20,000 posibles escenarios de tsunami basados en simulaciones de alta resolución en unidades de tres metros. Al entrenar un modelo de IA con estos 20,000 conjuntos de datos, fue posible construir un modelo de IA que puede predecir la inundación de zonas terrestres con una resolución igualmente alta, a partir de los datos de la forma de onda del tsunami observados en alta mar, en el momento de un terremoto.

Para el modelo de IA, se desarrolló una nueva tecnología de aprendizaje profundo, con una configuración de IA en dos etapas. Primero acerca la situación de las inundaciones en tierra con una resolución aproximada y a partir de las formas de onda del tsunami observadas en alta mar. A continuación, la IA se utiliza para aumentar la resolución de las condiciones de inundación estimadas y optimiza el rendimiento del cálculo para el aprendizaje en Fugaku. Normalmente, las computadoras adecuadas para la simulación y para la IA son diferentes, pero con esta iniciativa, los miembros del proyecto pudieron aprovechar las características especiales (4) de Fugaku para agilizar, en gran medida, la creación de la IA, en la predicción de tsunamis de alta precisión, utilizando los datos de entrenamiento generados en Fugaku, de la misma manera que para el aprendizaje automático. En concreto, la supercomputadora aporta a los miembros del proyecto un potente recurso que ofrece un alto rendimiento, tanto en la simulación como en las aplicaciones de IA.

Cuando se aplicó esta tecnología al caso de la predicción de inundaciones por tsunami en la bahía de Tokio causadas por un terremoto teórico y masivo en la cuenca de Nankai, se confirmó que era posible realizar una predicción altamente precisa utilizando un PC normal en cuestión de segundos, para una variedad de escenarios de tsunami diferentes, incluyendo el modelo de tsunami (5) asumido por la Oficina del Gabinete de Japón (Fig. 2 y Fig. 3).

Si en el futuro se sigue utilizando el rendimiento a gran escala y alta velocidad de Fugaku, y se entrena simultáneamente el sistema con otros escenarios de tsunami, los socios pueden ayudar a realizar una IA que pueda ofrecer predicciones de tsunamis e inundaciones inesperadas en un área más amplia.

Notas

La supercomputadora más rápido del mundo, Fugaku, desarrollado conjuntamente por RIKEN y Fujitsu:

https://www.fujitsu.com/global/about/resources/news/press-releases/2020/1117-01.html

[ 2] Tema de investigación “Previsión de tsunamis basada en IA a exaescala para predecir lo imprevisto”:

Se trata de un tema de investigación que pretende evitar imprevistos en la previsión, como la subestimación de tsunamis que no están incluidos en los datos de entrenamiento, mediante la construcción de una IA que ha sido entrenada en numerosos tipos de escenarios de tsunamis por adelantado utilizando “Fugaku”. Adoptado como proyecto piloto en el AF 2020 “Fugaku” (ID del proyecto: hp200201).

[3] Proyectos de uso preliminar de “Fugaku” en el año fiscal 2020:

Como preparación para el inicio del uso compartido de “Fugaku”, se solicitaron solicitudes públicas de uso preliminar en la fase de ajuste del sistema con el fin de promover la expansión de los usuarios.

[4] Características de “Fugaku” que puede realizar tanto simulación como IA:

“Fugaku” incluye bibliotecas de IA optimizadas e implementadas como “FUJITSU Software Technical Computing Suite” para acelerar las simulaciones, varios marcos de IA para permitir el aprendizaje de IA y “oneAPI Deep Neural Network Library (OneDNN)” para acelerar el aprendizaje de IA en la CPU.

[5] Modelo de origen del tsunami previsto por la Oficina del Gabinete.

Utilizando datos publicados por el “Cabinet Office Nankai Trough Mega Earthquake Model Study Group”.