Flott timing og superdatamaskinoppgradering fører til vellykket prognose for vulkanutbrudd

Høsten 2017 hadde geologiprofessor Patricia Gregg og teamet hennes nettopp satt opp et nytt vulkansk prognosemodelleringsprogram på Blue Waters og iForge superdatamaskiner. Samtidig overvåket et annet team aktiviteten ved Sierra Negra-vulkanen på Galapagosøyene i Ecuador. En av forskerne på Ecuador-prosjektet, Dennis Geist fra Colgate University, tok kontakt med Gregg, og det som skjedde videre var den tilfeldige prognosen for Sierra Negra-utbruddet i juni 2018 fem måneder før det skjedde.

Opprinnelig utviklet på en iMac-datamaskin, hadde den nye modelleringstilnærmingen allerede fått oppmerksomhet for vellykket gjenskaping av det uventede utbruddet av Alaskas Okmok-vulkan i 2008. Greggs team, basert på University of Illinois Urbana-Champaign og National Center for Supercomputing Applications, ønsket for å teste modellens nye høyytelses databehandlingsoppgradering, og Geists Sierra Negra-observasjoner viste tegn på et nært forestående utbrudd.

“Sierra Negra er en veloppdragen vulkan,” sa Gregg, hovedforfatteren av en ny rapport om den vellykkede innsatsen. “Det betyr at vulkanen, før utbrudd i det siste, har vist alle de tydelige tegnene på et utbrudd som vi forventer å se som grunnbølge, gassutslipp og økt seismisk aktivitet. Denne egenskapen gjorde Sierra Negra til en flott testsak for vår oppgraderte modell .”

Imidlertid følger mange vulkaner ikke disse pent etablerte mønstrene, sa forskerne. Å varsle utbrudd er en av de store utfordringene i vulkanologi, og utviklingen av kvantitative modeller for å hjelpe med disse vanskeligere scenariene er fokus for Gregg og teamets arbeid.

Over vinterpausen 2017-18 kjørte Gregg og hennes kolleger Sierra Negra-dataene gjennom den nye superdatamaskindrevne modellen. De fullførte løpet i januar 2018, og selv om det var ment som en test, endte det opp med å gi et rammeverk for å forstå Sierra Negras utbruddssykluser og evaluere potensialet og tidspunktet for fremtidige utbrudd – men ingen har innsett det ennå.

«Vår modell spådde at styrken til bergartene som inneholder Sierra Negras magmakammer ville bli svært ustabil en gang mellom 25. juni og 5. juli, og muligens resultere i en mekanisk feil og påfølgende utbrudd“, sa Gregg, som også er fakultetsstipendiat ved NCSA. “Vi presenterte denne konklusjonen på en vitenskapelig konferanse i mars 2018. Etter det ble vi opptatt med annet arbeid og så ikke på modellene våre igjen før Dennis sendte meg en tekstmelding 26. juni , og ber meg bekrefte datoen vi hadde spådd. Sierra Negra brøt ut en dag etter vår tidligste prognose for mekanisk feildato. Vi ble nedlagt.”

Selv om det representerer et ideelt scenario, sa forskerne, viser studien kraften i å inkludere høyytelses superdatabehandling i praktisk forskning. “Fordelen med denne oppgraderte modellen er dens evne til konstant å assimilere tverrfaglige sanntidsdata og behandle dem raskt for å gi en daglig prognose, som ligner på værvarsling,” sa Yan Zhan, en tidligere utdannet Illinois-student og medforfatter av studere. “Dette krever utrolig mye datakraft som tidligere ikke var tilgjengelig for det vulkanske prognosesamfunnet.”

Å bringe de bevegelige delene på plass for å produsere et modelleringsprogram av denne styrken krever en svært tverrfaglig tilnærming som Greggs team ikke hadde tilgang til før de jobbet med NCSA.

“Vi snakker alle det samme språket når det kommer til den numeriske multifysikkanalysen og høyytelsesdatabehandlingen som trengs for å forutsi mekanisk feil – i dette tilfellet av et vulkansk magmakammer,” sa Seid Koric, teknisk assisterende direktør ved NCSA, en forskningsprofessor. av mekaniske vitenskaper og ingeniørfag og medforfatter av studiet.

Med Korics ekspertise sa teamet at de håper å bli innlemmet kunstig intelligens og maskinlæring inn i prognosemodellen for å gjøre denne datakraften tilgjengelig for forskere som arbeider fra standard bærbare og stasjonære datamaskiner.

Resultatene av studien er publisert i tidsskriftet Vitenskapens fremskritt.

---

---