Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski polski
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

The physics of Earthquake faulting: learning from laboratory earthquake prediCTiON to Improve forecasts of the spectrum of tectoniC failure modes: TECTONIC

Opis projektu

Ulepszona technologia rozpoznawania trzęsień ziemi

Przez lata wysiłki mające na celu przewidywanie trzęsień ziemi były utrudnione przez brak niezawodnych danych naukowych i technologii. Co ciekawe, niedawne prace wykazały, że trzęsienia ziemi wytwarzane w laboratorium można przewidywać, wykorzystując w tym celu uczenie maszynowe. Wstrząsy poprzedza kaskada mikrousterek, które generują energię elastyczną w sposób, który przepowiada katastroficzną awarię. Uczenie maszynowe może więc przewidzieć czas usterki, a w niektórych przypadkach również skalę trzęsienia ziemi w laboratorium. Finansowany przez UE projekt TECTONIC połączy te rezultaty z obserwacjami w terenie oraz uczeniem maszynowym, by szukać prekursorów trzęsień ziemi i budować modele na potrzeby przewidywania zmian tektonicznych. Interdyscyplinarny zespół projektu planuje wyszkolić kolejne pokolenie badaczy zajmujących się badaniem trzęsień ziemi oraz promować nowy poziom zaawansowanej współpracy ze społecznościami.

Cel

Earthquakes represent one of our greatest natural hazards. Even a modest improvement in the ability to forecast devastating events like the 2016 sequence that destroyed the villages of Amatrice and Norcia, Italy would save thousands of lives and billions of euros. Current efforts to forecast earthquakes are hampered by a lack of reliable lab or field observations. Moreover, even when changes in rock properties prior to failure (precursors) have been found, we have not known enough about the physics to rationally extrapolate lab results to tectonic faults and account for tectonic history, local plate motion, hydrogeology, or the local P/T/chemical environment. However, recent advances show: 1) clear and consistent precursors prior to earthquake-like failure in the lab and 2) that lab earthquakes can be predicted using machine learning (ML). These works show that stick-slip failure events –the lab equivalent of earthquakes– are preceded by a cascade of micro-failure events that radiate elastic energy in a manner that foretells catastrophic failure. Remarkably, ML predicts the failure time and in some cases the magnitude of lab earthquakes. Here, I propose to connect these results with field observations and use ML to search for earthquake precursors and build predictive models for tectonic faulting.

This proposal will support acquisition and analysis of seismic and geodetic data and construction of new lab equipment to unravel earthquake physics, precursors and forecasts. I will use my background in earthquake source theory, ML, fault rheology, and geodesy to address the physics of earthquake precursors, the conditions under which they can be observed for tectonic faults and the extent to which ML can forecast the spectrum of fault slip modes. My multidisciplinary team will train the next generation of researchers in earthquake science and foster a new level of broad community collaboration.

Dziedzina nauki (EuroSciVoc)

Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego. Więcej informacji: Europejski Słownik Naukowy.

Aby użyć tej funkcji, musisz się zalogować lub zarejestrować

Słowa kluczowe

Słowa kluczowe dotyczące projektu wybrane przez koordynatora projektu. Nie należy mylić ich z pojęciami z taksonomii EuroSciVoc dotyczącymi dziedzin nauki.

Program(-y)

Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.

Temat(-y)

Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.

System finansowania

Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.

ERC-ADG - Advanced Grant

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.

(odnośnik otworzy się w nowym oknie) ERC-2018-ADG

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Instytucja przyjmująca

UNIVERSITA DEGLI STUDI DI ROMA LA SAPIENZA
Wkład UE netto

Kwota netto dofinansowania ze środków Unii Europejskiej. Suma środków otrzymanych przez uczestnika, pomniejszona o kwotę unijnego dofinansowania przekazanego powiązanym podmiotom zewnętrznym. Uwzględnia podział unijnego dofinansowania pomiędzy bezpośrednich beneficjentów projektu i pozostałych uczestników, w tym podmioty zewnętrzne.

€ 2 603 500,00
Koszt całkowity

Ogół kosztów poniesionych przez organizację w związku z uczestnictwem w projekcie. Obejmuje koszty bezpośrednie i pośrednie. Kwota stanowi część całkowitego budżetu projektu.

€ 2 603 500,00

Beneficjenci (2)

Moja broszura 0 0