Forskare har utvecklat en matematisk teknik som påskyndar seismiska simuleringar med en faktor på 1 000, vilket underlättar kartläggning av underjordiska lager och bedömning av jordbävningsrisker. Ledd av Kathrin Smetana från Stevens Institute of Technology använder metoden modellordningsreduktion för att hantera komplexa beräkningar effektivare. Även om den inte möjliggör jordbävningsprediktion kan den förbättra beredskapen i utsatta områden.
Jordbävningar inträffar ofta, med United States Geological Survey som uppskattar cirka 55 händelser dagligen globalt, totalt runt 20 000 årligen. Händelser med magnitud 7 eller högre sker ungefär 15 gånger per år, och en når magnitud 8 eller högre. År 2025 drabbades Alaska av en magnitud 7,0-bävning den 6 december, medan en offshorehändelse med magnitud 8,8 nära Rysslands Kamchatkahalvö är bland de starkaste någonsin registrerade. Dessa katastrofer orsakar betydande skador, med en uppskattad kostnad på 14,7 miljarder dollar årligen för USA enligt en rapport från 2023 av USGS och Federal Emergency Management Agency. Urbanisering i seismiska zoner förvärrar de finansiella och mänskliga kostnaderna. Även om prediktion förblir omöjlig kan förståelse av undersubsurfika strukturer förbättra riskbedömningen. Forskare använder full vågformsomvändning för att avbilda underjordiska lager, simulera seismiska vågor och jämföra dem med verklig data från seismogram. Kathrin Smetana, biträdande professor i matematiska vetenskaper vid Stevens Institute of Technology, noterar att material som fast berg, sand eller lera påverkar vågpropagation olika. «Du kan ha lager av fast berg, eller sand eller lera», förklarar hon. Traditionella simuleringar, som involverar miljontals variabler och upprepas tusentals gånger, kan ta timmar på kraftfulla datorer och begränsar praktisk användning. För att lösa detta samarbetade Smetana med Rhys Hawkins och Jeannot Trampert från Utrecht University, samt Matthias Schlottbom och Muhammad Hamza Khalid från University of Twente. Deras metod minskar systemstorleken med cirka 1 000 gånger samtidigt som noggrannheten bibehålls. «Vi minskade i princip storleken på systemet som behöver lösas med cirka 1 000 gånger», säger Smetana. Detaljerat i artikeln «Model Order Reduction for Seismic Applications» publicerad i SIAM Journal on Scientific Computing (2025, volym 47, nummer 5) hjälper tekniken till att skapa detaljerade undersubsurfika modeller för bättre riskbedömning. Den kan också stödja tsunamisimuleringar och ge tid för nödsvar. «Det finns inget sätt att förutsäga jordbävningar just nu», betonar Smetana, «men vårt arbete kan hjälpa till att generera en realistisk bild av undersubsurfacet med mindre beräkningskraft, vilket gör våra modeller mer praktiska och hjälper oss att bli mer motståndskraftiga mot jordbävningar».