Analyse Volcanique : Comment une IA Découvre les Causes des Éruptions à Travers les Cendres

<p class="intro-text"><strong>ANALYSE DES CENELLES VOLCANIQUE PAR IA.</strong> La forme d'une particule de cendre volcanique peut fournir des informations cruciales aux volcanologues pour comprendre le type d'éruption qui l'a générée. Cela permet aux équipes de secours de mieux planifier leurs interventions, notamment en déterminant la superficie à évacuer en cas de besoin. Toutefois, le processus de classification des cendres était auparavant fastidieux, subjectif et dépendant de l'expertise de spécialistes qualifiés.</p>

<p class="research-insight">Récemment, des chercheurs de l'Institut des sciences de la vie sur Terre à l'Université de technologie de Tokyo ont conçu un programme d'**intelligence artificielle (IA)** capable d'<a href="https://www.titech.ac.jp/english/news/2018/041797.html" target="_blank" rel="noopener noreferrer">analyser les particules de cendres volcaniques</a> pour en déterminer la forme. Leurs travaux ont été publiés dans un <a href="https://www.nature.com/articles/s41598-018-26200-2" target="_blank" rel="noopener noreferrer">article</a> en mai dans la revue <em>Scientific Reports</em>.</p>

<p class="training-ai"><strong>FORMATION DU RÉSEAU DE NEURONES CONVOLUTIONNEL.</strong> L'IA développée par l'équipe de Tokyo utilise un **réseau de neurones convolutionnel (CNN)**, un type d'IA couramment utilisée pour l'analyse d'images. Pour sa formation, les chercheurs ont utilisé un analyseur de particules automatisé pour créer des milliers d'images en deux dimensions de particules de cendres.</p>

<p class="manual-classification">Ils ont ensuite classé manuellement ces particules en quatre formes de base : **bloc, vésiculaire, allongée** ou **ronde**. Certaines particules présentaient des combinaisons de ces formes. Ensuite, ils ont alimenté leur CNN avec 200 images correspondant à chacune de ces catégories, afin de lui enseigner comment les classifier selon des critères spécifiques (par exemple, les particules rondes doivent présenter un haut degré de circularité).</p>

<p class="testing-phase"><strong>EVALUATION DU SYSTÈME.</strong> Après la phase de formation, l'équipe a mis leur CNN à l'épreuve en utilisant environ 40 images supplémentaires de chaque type de particule. Les résultats ont montré que le système était capable de classifier les images avec un taux de réussite de **92%**. Pour les images qu'il ne parvenait pas à classifier, un ratio de probabilité était fourni (par exemple, une probabilité de 90% qu'une particule soit vésiculaire contre 10% qu'elle soit de forme bloc).</p>

<p class="further-research">Bien que le système soit déjà utile pour les interventions en cas d'éruption, les chercheurs envisagent d'améliorer leur CNN pour examiner d'autres caractéristiques des cendres volcaniques, comme leur couleur et leur texture, afin de recueillir des informations encore plus précises sur le type d'éruption qui a produit ces cendres.</p>

<p class="additional-resources"><strong>POUR EN SAVOIR PLUS :</strong> <a href="https://www.titech.ac.jp/english/news/2018/041797.html" target="_blank" rel="noopener noreferrer">Utilisation de l'intelligence artificielle pour comprendre les éruptions volcaniques à partir de cendres microscopiques</a> [Institut de Technologie de Tokyo]</p>