Cientistas desenvolveram uma técnica matemática que acelera simulações sísmicas em um fator de 1.000, facilitando o mapeamento de camadas subterrâneas e a avaliação de riscos de terremotos. Liderada por Kathrin Smetana do Stevens Institute of Technology, a abordagem usa redução de ordem de modelo para lidar com computações complexas de forma mais eficiente. Embora não permita a previsão de terremotos, pode melhorar a preparação em áreas vulneráveis.
Terremotos ocorrem frequentemente, com o United States Geological Survey estimando cerca de 55 ocorrências diárias em todo o mundo, totalizando cerca de 20.000 anualmente. Eventos de magnitude 7 ou superior acontecem cerca de 15 vezes por ano, e um atinge magnitude 8 ou acima. Em 2025, um terremoto de magnitude 7.0 atingiu o Alasca em 6 de dezembro, enquanto um evento offshore de magnitude 8.8 perto da Península de Kamchatka, na Rússia, está entre os mais fortes já registrados. Esses desastres causam danos significativos, custando aos Estados Unidos cerca de US$ 14,7 bilhões por ano, de acordo com um relatório de 2023 do USGS e da Federal Emergency Management Agency. A urbanização em zonas sísmicas agrava o impacto financeiro e humano. Embora a previsão permaneça impossível, entender as estruturas subsuperficiais pode melhorar a avaliação de riscos. Pesquisadores usam inversão de forma de onda completa para mapear camadas subterrâneas, simulando ondas sísmicas e comparando-as com dados reais de sismogramas. Kathrin Smetana, professora assistente de ciências matemáticas no Stevens Institute of Technology, observa que materiais como rocha sólida, areia ou argila afetam a propagação de ondas de forma diferente. «Você pode ter camadas de rocha sólida, ou areia ou argila», explica ela. Simulações tradicionais, envolvendo milhões de variáveis e repetidas milhares de vezes, podem levar horas em computadores potentes, limitando o uso prático. Para resolver isso, Smetana colaborou com Rhys Hawkins e Jeannot Trampert da Universidade de Utrecht, e Matthias Schlottbom e Muhammad Hamza Khalid da Universidade de Twente. Seu método reduz o tamanho do sistema em cerca de 1.000 vezes mantendo a precisão. «Basicamente reduzimos o tamanho do sistema que você precisa resolver em cerca de 1.000 vezes», diz Smetana. Detalhado no artigo «Model Order Reduction for Seismic Applications» publicado no SIAM Journal on Scientific Computing (2025, volume 47, número 5), a técnica auxilia na criação de modelos subsuperficiais detalhados para melhor avaliação de riscos. Ela também pode apoiar simulações de tsunamis, fornecendo tempo para respostas de emergência. «Não há como prever terremotos no momento», enfatiza Smetana, «mas nosso trabalho pode ajudar a gerar uma visão realista do subsolo com menos poder computacional, o que tornaria nossos modelos mais práticos e nos ajudaria a ser mais resilientes a terremotos».