En el otoño de 2017, la profesora de geología Patricia Gregg y su equipo acababan de configurar un nuevo programa de modelado de pronóstico volcánico en las supercomputadoras Blue Waters e iForge. Simultáneamente, otro equipo estaba monitoreando la actividad en el volcán Sierra Negra en las Islas Galápagos, Ecuador. Uno de los científicos del proyecto de Ecuador, Dennis Geist de la Universidad de Colgate, se puso en contacto con Gregg, y lo que sucedió a continuación fue el pronóstico fortuito de la erupción de Sierra Negra en junio de 2018, cinco meses antes de que ocurriera.
Inicialmente desarrollado en una computadora iMac, el nuevo enfoque de modelado ya había llamado la atención por recrear con éxito la erupción inesperada del volcán Okmok de Alaska en 2008. El equipo de Gregg, con sede en la Universidad de Illinois Urbana-Champaign y el Centro Nacional de Aplicaciones de Supercomputación, quería para probar la nueva actualización informática de alto rendimiento del modelo, y las observaciones de Sierra Negra de Geist mostraron signos de una erupción inminente.
«Sierra Negra es un volcán que se comporta bien», dijo Gregg, el autor principal de un nuevo informe del esfuerzo exitoso. «Lo que significa que, antes de las erupciones en el pasado, el volcán ha mostrado todos los signos reveladores de una erupción que esperaríamos ver como mar de fondo, liberación de gas y aumento de la actividad sísmica. Esta característica hizo de Sierra Negra un gran caso de prueba para nuestro modelo actualizado .»
Sin embargo, muchos volcanes no siguen estos patrones claramente establecidos, dijeron los investigadores. Pronosticar erupciones es uno de los grandes desafíos de la vulcanología, y el desarrollo de modelos cuantitativos para ayudar con estos escenarios más complicados es el enfoque del trabajo de Gregg y su equipo.
Durante las vacaciones de invierno de 2017-18, Gregg y sus colegas corrieron los datos de Sierra Negra a través del nuevo modelo impulsado por supercomputación. Completaron la carrera en enero de 2018 y, aunque se pensó como una prueba, terminó brindando un marco para comprender los ciclos de erupción de Sierra Negra y evaluar el potencial y el momento de futuras erupciones, pero nadie se dio cuenta todavía.
«Nuestro modelo pronosticó que la fuerza de las rocas que contienen la cámara de magma de Sierra Negra se volvería muy inestable en algún momento entre el 25 de junio y el 5 de julio, y posiblemente provocaría una falla mecánica y una erupción posterior», dijo Gregg, quien también es miembro de la facultad de NCSA. . «Presentamos esta conclusión en una conferencia científica en marzo de 2018. Después de eso, nos ocupamos de otro trabajo y no volvimos a mirar nuestros modelos hasta que Dennis me envió un mensaje de texto el 26 de junio, pidiéndome que confirmara la fecha que habíamos pronosticado. Sierra Negra estalló un día después de nuestra primera fecha de falla mecánica pronosticada.
Aunque representa un escenario ideal, dijeron los investigadores, el estudio muestra el poder de incorporar la supercomputación de alto rendimiento en la investigación práctica. «La ventaja de este modelo actualizado es su capacidad para asimilar constantemente datos multidisciplinarios en tiempo real y procesarlos rápidamente para proporcionar un pronóstico diario, similar al pronóstico del tiempo», dijo Yan Zhan, exestudiante de posgrado de Illinois y coautor del estudiar. «Esto requiere una cantidad increíble de poder de cómputo que antes no estaba disponible para la comunidad de pronóstico volcánico».
Colocar las partes móviles en su lugar para producir un programa de modelado de esta fuerza requiere un enfoque altamente multidisciplinario al que el equipo de Gregg no tuvo acceso hasta que trabajó con NCSA.
«Todos hablamos el mismo idioma cuando se trata del análisis multifísico numérico y la computación de alto rendimiento necesarios para pronosticar fallas mecánicas, en este caso de una cámara de magma volcánica», dijo Seid Koric, director asistente técnico de NCSA, un centro de investigación profesor de ciencias mecánicas e ingeniería y coautor del estudio.
Con la experiencia de Koric, el equipo dijo que esperan incorporar inteligencia artificial y aprendizaje automático en el modelo de pronóstico para ayudar a que esta potencia informática esté disponible para los investigadores que trabajan desde computadoras portátiles y de escritorio estándar.
Los resultados del estudio se publican en la revista Avances de la ciencia.
Geist es director de programa en la Fundación Nacional de Ciencias y profesor de geología en la Universidad de Colgate. Falk Amelung de la Universidad de Miami; Patricia Mothes del Instituto Geofísico Escuela Politécnica Nacional, Ecuador; y Zhang Yunjun del Instituto de Tecnología de California también contribuyeron a esta investigación.
La Fundación Nacional de Ciencias, la NASA y la NCSA apoyaron este estudio.
