机器学习：全景式展示全球地震破裂过程的相似性与多样性

近日，中国科学技术大学研究人员利用机器学习方法，全景式地展示了全球地震破裂过程的相似性和多样性，对地震早期预警具有启示意义。

地震是人类社会所面对的重要自然灾害之一。近20年，全球中大地震已造成近100万人伤亡，经济损失不计其数。地震破裂过程多种多样，客观衡量其相似性和差异性，将有助于人们认识地震物理过程，以及对地震震级进行早期预测。

但此前，对于叠加多个地震平均破裂过程的研究，并无法衡量全球地震的差异范围。同时，基于某些破裂特征的统计研究，也无法做到对整个破裂过程的系统比较。

此次，中国科学技术大学研究员李泽峰利用机器学习方法，总结了全球3000多个5.5级以上地震的震源时间函数特征，全景式展示了全球地震破裂过程的相似性和多样性，深化了人们对地震能量释放模式的认识，对地震早期预警具有启示意义。相关成果发表在美国地球物理学会(AGU)期刊《地球物理研究通讯》(Geophysical Research Letters)。

研究人员利用深度学习中的变分自编码器(Variational Autoencoder)，对全球3000多个中大型地震的震源时间函数进行二维空间压缩和模型重构，实现全球震源时间函数的通用模型，全景式展现了全球地震矩释放模式和数量分布。

模型表明，中大地震以简单、均匀破裂为主，复杂、不规则破裂较少。该模型还揭示了两类特殊地震的分布规律，即能量释放集中在破裂后期的逃逸模式，以及分多次能量释放的复杂地震。研究中发现，大地震能量释放模式具有弱震级依赖性，对地震早期预警中最终震级的可预测性提供了有益启示。前述研究基于2021年李泽峰团队和哈佛大学合作研究的震源时间函数聚类方法的发展，也是团队近年来致力于将人工智能应用于科学发现(AI for Science)的系列研究成果之一。

关键词： 机器学习 全景展示 地震破裂 早期预警