MADRID, 16 Sep. (EUROPA PRESS) -
Investigadores de la Universidad de Stanford (Estados Unidos) han desarrollado una herramienta basada en inteligencia artificial, llamada SandAI, que puede revelar la historia de los granos de arena de cuarzo que se remonta a cientos de millones de años. Con SandAI, los investigadores pueden determinar con gran precisión si el viento, los ríos, las olas o los movimientos glaciares dieron forma y depositaron motas de arena. Los resultados se publican en 'Proceedings of the National Academy of Sciences'.
La herramienta ofrece a los investigadores una ventana única al pasado para estudios geológicos y arqueológicos, especialmente para eras y entornos en los que pocas otras pistas, como los fósiles, se han conservado a lo largo del tiempo. El enfoque de SandAI, llamado análisis microtextural, también puede ayudar en las investigaciones forenses modernas sobre la extracción ilegal de arena y cuestiones relacionadas.
"Trabajar en depósitos sedimentarios que no han sido alterados ni deformados es lo más parecido a estar en una máquina del tiempo: estás viendo exactamente lo que había en la superficie de la Tierra, incluso hace cientos de millones de años. SandAI agrega otra capa de detalle a la información que podemos extraer de ellos", relata Michael Hasson , candidato a doctorado con Mathieu Lapôtre , profesor asistente de Ciencias de la Tierra y Planetarias en la Escuela de Sostenibilidad Doerr de Stanford . Hasson es el autor principal del nuevo estudio que demuestra la eficacia de la herramienta.
Históricamente, el análisis microtextural se ha realizado a mano y a simple vista, utilizando lupas y microscopios para intentar extraer conclusiones sobre la historia de los granos de arena. La ciencia moderna ha validado este método, demostrando que los mecanismos de transporte sí que dejan huellas reveladoras: por ejemplo, los granos que han viajado más lejos suelen aparecer más redondeados porque se les han quitado las esquinas afiladas; las olas y el viento también dejan patrones de abrasión distintivos.
Sin embargo, el análisis microtextural tradicional es sumamente subjetivo, requiere mucho tiempo y está disperso entre distintos estudios. Gracias a la nueva herramienta, que aprovecha el poder del aprendizaje automático para examinar en profundidad las imágenes microscópicas de los granos de arena, el análisis microtextural ahora puede ser mucho más cuantitativo, objetivo y potencialmente útil en una amplia gama de aplicaciones.
También analiza los granos de arena individuales en lugar de agrupar varios granos en una sola categoría, lo que ofrece una evaluación más completa. "En lugar de que un humano tenga que decidir qué textura tiene un grano de arena en comparación con otro, estamos utilizando el aprendizaje automático para que el análisis microtextural sea más objetivo y riguroso", afirma Lapôtre, autor principal del artículo. "Nuestra herramienta abre puertas para aplicaciones de análisis microtextural que antes no estaban disponibles".
En todo el mundo, la arena es el recurso más utilizado, después del agua, y es fundamental en la industria de la construcción. Los materiales como el hormigón, el mortero y algunos yesos requieren arena angular para una adhesión y estabilidad adecuadas.
Sin embargo, determinar el origen de la arena para garantizar una obtención ética y legal es un desafío, por lo que los investigadores esperan que SandAI pueda reforzar la trazabilidad. Por ejemplo, SandAI podría ayudar a los investigadores forenses a tomar medidas enérgicas contra la extracción y el dragado ilegales de arena.
Para construir SandAI, los investigadores emplearon una red neuronal que "aprende" de manera similar al cerebro humano, donde las respuestas correctas fortalecen las conexiones entre neuronas artificiales, o nodos, en el programa, lo que permite que la computadora aprenda de sus errores. Con la ayuda de colaboradores de todo el mundo, Hasson reunió cientos de imágenes de granos de arena obtenidas mediante microscopio electrónico de barrido, que representan material de los entornos terrestres más comunes: fluviales (ríos y arroyos), eólicos (sedimentos arrastrados por el viento, como dunas de arena), glaciales y de playa.
"Queríamos que este método funcionara en todas las épocas geológicas, pero también en toda la geografía que tenemos en la Tierra", incide Hasson. "Por ejemplo, la clase de dunas arrastradas por el viento se diseñó para incluir ejemplos húmedos y secos, grandes y pequeños. Necesitábamos que las clases fueran lo más diversas posible".
SandAI analizó este conjunto de imágenes para entrenarse a sí misma para predecir las historias de los granos de arena basándose en características que los investigadores humanos tal vez nunca podrían discernir. La herramienta cometía errores de forma natural y luego mejoraba iterativamente.
Una vez que SandAI alcanzó una precisión de predicción sólida del 90 %, los investigadores introdujeron nuevas muestras que el modelo no había visto anteriormente. Con imágenes de areniscas de entornos bien caracterizados que van desde la actualidad hasta aproximadamente 200 millones de años en la era Jurásica, SandAI funcionó bien, dilucidando correctamente las historias de transporte de los granos.
A continuación, los investigadores probaron la herramienta con imágenes de granos de arena recogidos en Noruega que datan de hace más de 600 millones de años, en el periodo criogénico. Más conocido como la época de la "Tierra bola de nieve", cuando se cree que las capas de hielo cubrían todo el planeta, antes de que las plantas y los animales evolucionaran.
El origen de la muestra en cuestión, llamada Miembro Br*vika, ha sido objeto de controversia y varios grupos de investigación han llegado a conclusiones diferentes. "Con esta muestra criogénica, pudimos ver hasta dónde podemos llevar a SandAI y realmente utilizarlo para hacer nueva ciencia en lugar de solo verificar que la herramienta funcionaba", matiza Hasson.
Curiosamente, SandAI supuso que los antiguos granos de arena se habían formado y depositado como parte de una duna de arena arrastrada por el viento, lo que coincide con algunos estudios microtexturales manuales. Además, como la herramienta analiza granos de arena individuales, en lugar de agrupar varios granos en una sola categoría, surgieron otros detalles. Si bien la señal dominante de hecho indicaba transporte eólico, una señal secundaria que las técnicas manuales probablemente pasarían por alto apuntaba a arena glacial. Juntas, esas señales pintan un retrato de dunas de arena que se extienden en algún lugar cerca de un glaciar, como bien podría esperarse durante el período de la Tierra Bola de Nieve.
Para evaluar más a fondo esos hallazgos, Hasson y sus colegas buscaron un posible análogo moderno de esta escena geológica criogénica. Los investigadores analizaron granos de arena arrastrados por el viento de la Antártida a través de SandAI y, efectivamente, llegaron al mismo resultado. "Estos hallazgos de SandAI sugieren que la Antártida realmente es un buen análogo moderno del entorno representado por el Miembro Br*vika", insiste Hasson. "Son una prueba muy sólida de que la señal que obtuvimos de los depósitos criogénicos no es solo una casualidad".
Los investigadores han puesto SandAI a disposición de todos en línea. Tienen previsto seguir desarrollándolo en función de los comentarios de los usuarios y esperan ver la herramienta aplicada en una variedad de contextos. "El hecho de que ahora podamos ofrecer conclusiones detalladas sobre depósitos geológicos que antes no se podían conocer me parece asombroso", afirmó Hasson. "Estamos deseando ver qué más puede hacer SandAI".