Rilevamento sismico usando segnali di polarizzazione di cavi sottomarini con apprendimento automatico

Ascoltare i terremoti con i cavi internet sottomarini

La maggior parte dei terremoti del mondo avviene sotto gli oceani, lontano dai tradizionali sensori a terra. Eppure quasi tutti i continenti sono già collegati da vaste reti di cavi in fibra ottica che portano il traffico internet. Questo studio pone una domanda semplice ma potente: questi cavi esistenti possono anche funzionare come grandi «orecchie» pronte ad ascoltare i terremoti sul fondale marino?

Perché un cavo internet può percepire il movimento della Terra

La luce che corre all’interno di un cavo in fibra ottica fa più che trasmettere dati; le sue proprietà interne cambiano sottilmente quando il cavo viene piegato, allungato o scosso. Una di queste proprietà è lo stato di polarizzazione, una misura di come sono orientate le onde luminose durante il viaggio. Quando il fondale marino si muove durante un terremoto, può scuotere un cavo interrato o appoggiato sul fondo e, di conseguenza, spostare la polarizzazione della luce al suo interno. Gli autori hanno esaminato una rotta internet importante nel Mar Mediterraneo, il cavo Med-Nautilus che collega Catania in Sicilia a Tel Aviv, per capire se i terremoti reali lasciano un’impronta coerente in questi segnali di polarizzazione.

Trasformare segnali grezzi del cavo in indizi utili

Tra la metà del 2022 e la fine del 2024, un operatore telecom italiano ha fornito registrazioni continue di grandezze legate alla polarizzazione del cavo, insieme a informazioni sul comportamento del sistema ottico. I ricercatori hanno abbinato questi dati a un catalogo sismico indipendente che copre il Mediterraneo, concentrandosi su 60 eventi di magnitudo pari o superiore a 5. Hanno stimato la distanza di ciascun terremoto dal cavo e quando dovevano arrivare le onde sismiche primarie e secondarie, usando modelli terrestri standard. Poi hanno ripulito e standardizzato i dati ottici, suddividendoli in finestre temporali attorno a ogni evento e in periodi di controllo senza terremoti significativi. Questa preparazione accurata ha creato le condizioni per testare sia metodi tradizionali di rilevamento sia tecniche moderne di intelligenza artificiale sugli stessi dati.

Regole semplici non bastano, le macchine che apprendono fanno meglio

Il team ha prima provato strumenti classici in stile sismologico che cercano salti improvvisi nell’intensità del segnale o nell’energia spettrale, regolati da soglie fisse. Su dati di polarizzazione, questi metodi basati su regole generavano o troppe false allerta o mancavano la maggior parte degli eventi reali, a volte esibendo prestazioni non migliori del caso. Per contro, i modelli di apprendimento automatico in grado di pesare molti tratti sottili contemporaneamente hanno ottenuto risultati sensibilmente migliori. Una tecnica chiamata Extreme Gradient Boosting, che aggrega decisioni da molti piccoli alberi decisionali, ha raggiunto circa il 60% di accuratezza, sensibilità e specificità nel distinguere giorni influenzati da terremoti da giorni più tranquilli. L’analisi del comportamento del modello ha mostrato che non si basava su una singola caratteristica determinante, ma su una combinazione di misure statistiche che insieme catturavano piccoli ma significativi cambiamenti nei pattern di polarizzazione.

Cosa il cavo può e non può «sentire»

Gli autori hanno poi esaminato quali terremoti erano più probabili da essere riconosciuti dall’algoritmo di apprendimento. Sorprendentemente, fattori semplici come la distanza dal cavo, la profondità dell’evento o persino la magnitudo non mostravano tendenze chiare. Alcuni terremoti moderatamente forti produssero cambiamenti di polarizzazione evidenti e rilevabili, mentre altri con caratteristiche simili rimasero in gran parte inosservati. Un ulteriore approccio di deep learning, che imparava cosa rappresenta il comportamento «normale» del cavo e segnalava forti discostamenti come anomalie, ha reagito chiaramente solo a pochi dei più grandi eventi. Ciò suggerisce che quanto bene un cavo «sente» un terremoto dipende da più fattori oltre al solo evento: dettagli come il grado di accoppiamento del cavo al fondale, la sua sepoltura e costruzione, e il rumore ambientale circostante giocano tutti ruoli importanti.

Il quadro complessivo per il monitoraggio futuro degli oceani

Nonostante tassi di rilevamento modesti e molti eventi mancati, lo studio fornisce una prova di principio importante: anche se il cavo Med-Nautilus non è stato progettato come sensore, porta comunque informazioni utilizzabili su forti terremoti tramite la polarizzazione della luce. Per il pubblico, il messaggio chiave è che la nostra infrastruttura digitale esistente potrebbe, in linea di principio, raddoppiare come una vasta e poco costosa rete di strumenti scientifici. Se metodi come questi vengono perfezionati e combinati con altre tecnologie di rilevamento, i sistemi globali di cavi sottomarini potrebbero contribuire a colmare gli attuali punti ciechi nel monitoraggio sismico oceanico, offrendo alle comunità costiere informazioni più rapide e dettagliate su ciò che avviene sotto le onde.

Citazione: Caruso, M., Morelli, M., Monaco, A. et al. Seismic detection using submarine cable polarization signals with machine learning. Commun Earth Environ 7, 421 (2026). https://doi.org/10.1038/s43247-026-03434-x

Parole chiave: cavi sottomarini, rilevamento terremoti, sensori in fibra ottica, apprendimento automatico, Mar Mediterraneo