大地震發生后，危險還沒有結束。由 初的沖擊引發的較小的后續地震可能會在受影響的區域周圍隆隆數月，推翻被地震削弱的結構。科學 可以在 定程度上預測這些余震的大小和時間，但確定位置始終具有挑戰性。哈佛大學和谷歌科學 的新研究表明AI可能會提供幫助。
在本周發表在“ 自然 ”雜志上的 篇論文中，研究人員展示了深度學習如何比現有模型更可靠地幫助預測余震位置。科學 訓練了 個神經網絡，在數據庫中查找超過131,000次“主震 - 余震”事件的模式，然后在30,000個類似對的數據庫上測試其預測。
深度學習網絡比 有用的現有模型（稱為“庫侖失效應力變化”）更可靠。在從0到1的精度范圍內 - 其中1是完全精確的模型，0.5與翻轉 樣好硬幣 - 現有庫侖模型得分為0.583，而新的AI系統達到0.849。
哈佛大學地球與行星科學教授布倫丹·米德（Brendan Meade）告訴“ 科學日報”，結果很有希望。“你想知道三件關于地震的事情，”米德說。“當他們將要發生時，他們將會有多大，他們將會在哪里。在這項工作之前，我們有關于它們何時會發生以及它們將會變得多大的經驗法則，現在我們正處于可能發生的第三條腿。“
人工智能在這 域的成功歸功于該技術的核心優勢之 ：它能夠發現復雜數據集中以前被忽視的模式。這在地震學中尤為重要，因為在地震學中看到數據中的連接非常困難。地震事件涉及太多變量，從不同區域的地面構成到地震板塊之間的相互作用類型，以及能量在波浪中穿過地球傳播的方式。理解這 切是非常困難的。
研究人員表示，他們的深度學習模型能夠通過考慮 個被稱為“馮米塞斯屈服準則”的因素來做出預測，這是 種用于預測材料何時開始在壓力下破裂的復雜計算。正如Meade告訴“ 科學日報”，這個因素常用于冶金等 域，“但在地震科學中從未流行過。”現在，根據這 新模型的發現，地質學 可以研究其相關性。
盡管這項研究取得了成功，但它還遠未準備好在現實 中部署。 ，AI模型只關注由地面永久性變化引起的余震，稱為靜態應力。但后續地震也可能是由于后來發生的地面隆隆聲造成的，稱為動態壓力。現有模型也太慢而無法實時工作。這很重要，因為大多數余震發生在地震發生后的第 天，然后在每 天的頻率大致減半。
正如幫助 導研究的哈佛大學博士后Phoebe DeVries告訴“ 科學日報”：“我們距離實際能夠預測[余震]還有很長的路要走，但我認為機器學習在這方面具有巨大的潛力。”
:021-80392064 QQ：2039609103 企業入駐:
