L’apprendimento automatico rivela indizi climatici dalle carote di ghiaccio
Le carote di ghiaccio, lunghi cilindri di ghiaccio trapanati ed estratti dalla crosta ghiacciata polare o dai ghiacciai alpini, forniscono dati incontaminati sui climi del passato. Gli strati di deposito creano una successione di istantanee climatiche che possono risalire fino a 800 000 anni fa. «Il clima della Terra può essere svelato rilevando impurità fissate all’interno del ghiaccio», spiega il coordinatore del progetto ICELEARNING, Carlo Brabante, dell’Università Ca’ Foscari di Venezia. «Composti chimici solubili, gas atmosferici e particelle insolubili emesse da deserti, foreste e vulcani vengono trasportati dai venti e sepolti nel ghiaccio.» Le tecniche metodologiche standard per identificare e quantificare queste particelle possono richiedere molto tempo. I campioni devono essere preparati in laboratorio e ciascuna analisi delle particelle solitamente richiede una preparazione diversa. Spesso, inoltre, esperti di settori differenti osservano lo stesso campione per identificare gli elementi di interesse per il proprio settore specifico (ad esempio granelli di polline o ceneri vulcaniche).
Analizzare il passato
Il progetto ICELEARNING, intrapreso con il sostegno del programma di Azioni Marie Skłodowska-Curie (MSCA), ha cercato di semplificare questo processo di analisi. Per farlo è stato utilizzato uno strumento di microscopia a flusso liquido, chiamato FlowCam. Niccolò Maffezzoli, borsista MSCA nel progetto, ha lavorato sull’idea concettuale, traducendola in un prototipo. La FlowCam fotografa tutte le particelle presenti in un campione di ghiaccio, mentre scorre attraverso lo strumento. L’idea chiave di ICELEARNING è stata quella di utilizzare le reti neurali profonde e l’apprendimento automatico avanzato per elaborare, identificare e classificare in modo automatizzato le diverse impurità. «Niccolò Maffezzoli si è imbattuto nello strumento FlowCam mentre stava visitando un laboratorio presso https://www.uib.no/en (l’Università di Bergen)», spiega Barbante. «Ha pensato che avrebbe potuto aiutare gli scienziati che si occupano di carote di ghiaccio a identificare le rispettive particelle contemporaneamente e a costruire un quadro che possa fare da ponte tra più campi.» La chiave di tutto questo è stato lo sviluppo di una rete neurale profonda in grado di differenziare e classificare diversi tipi di particelle, sulla base di immagini digitali. A tal fine, è stato necessario raccogliere serie di dati di addestramento per ogni tipo di particella. Decine di migliaia di immagini sono state quindi «date in pasto» alla rete, per aiutarla a imparare a distinguere i vari tipi di particelle. «Abbiamo scoperto che la rete era in grado di classificare le particelle con un’accuratezza molto elevata», spiega Barbante. «L’abbiamo utilizzata su campioni provenienti dal Greenland Ice Core Project, GRIP, che risalgono a un periodo compreso tra 13 000 e 17 000 anni fa.»
Dati climatici accurati
Barbante e il suo team hanno fatto una serie di scoperte. Sono stati in grado di identificare le particelle di tefrite vulcanica provenienti da eruzioni vulcaniche conosciute, dimostrando in modo efficace le potenzialità della loro tecnica per l’identificazione di eruzioni vulcaniche passate nei dati delle carote di ghiaccio. Inoltre, è stata identificata la presenza di diatomee, organismi algali unicellulari che vivono negli oceani, in campioni di ghiaccio provenienti dalle Ande peruviane. Nel complesso, ICELEARNING ha dimostrato con successo come questa metodologia possa aiutare le analisi di laboratorio riducendo costi, tempi e sforzi. È stato inoltre possibile aprire nuove linee di ricerca su particelle meno studiate, come le diatomee. «ICELEARNING è stato essenzialmente uno studio pilota per dimostrare la fattibilità di questa idea», aggiunge Barbante. «I prossimi passi includono l’espansione del nostro modello per includere altre particelle e l’aumento delle dimensioni dei campioni utilizzati.» Barbante spera anche che ICELEARNING possa contribuire al progetto Beyond EPICA Oldest Ice Core, finanziato dall’UE, aiutando gli scienziati a produrre dati di particelle risalenti a oltre un milione di anni fa, gettando nuova luce su numerosi aspetti del clima terrestre del passato.
Parole chiave
ICELEARNING, ghiaccio, climatico, polare, ghiacciai, FlowCam, vulcanico, clima
