人工智能发现黄石火山隐藏地震，数量超过人工探测10倍
黄石公园，美国首个国家公园，也是热门同名剧集的灵感来源，其地下至今仍涌动着地球最活跃的火山地震网络之一。
7月18日，西方工程学教授李冰（音）及其哥伦比亚桑坦德工业大学、美国地质调查局的合作者在高影响力期刊《Science Advances》发表的新研究中，利用机器学习重新分析了黄石火山口15年的历史地震数据。团队追溯性地检测并确定了约10倍于此前记录的地震事件震级。
火山口（caldera）是火山喷发后 magma 房排空导致地表塌陷形成的巨大洼地，与外部爆破形成的火山口（crater）不同。黄石公园的火山口横跨怀俄明、爱达荷、蒙大拿三州。
更新后的黄石火山口地震目录包含2008至2022年间的86,276次地震，通过更完善的数据收集和系统分析，显著深化了对火山与地震系统的理解。
研究的核心发现是：黄石记录的地震中，超半数属于“地震群”——即在相对小区域、短时间内发生的一系列相互关联的小地震。这与主震后发生的余震不同。
“尽管黄石及其他火山各有独特性，但我们希望这些洞见能应用于其他地区。”流体诱发地震与岩石力学专家李冰（音）表示，“通过理解地震群等活动模式，我们能改进安全措施、更精准地向公众预警风险，甚至指导地热能源开发避开高热流危险区。”
在机器学习应用前，地震检测通常依赖训练有素的专家手动检查，耗时且成本高昂，能检测的事件远少于如今的AI技术。近年来，机器学习引发了地震数据挖掘热潮，地震学家重新审视全球数据中心存储的海量历史波形数据，不断发现未知的地震区域。
“如果用传统方法让人手动筛选所有数据找地震，根本无法实现，因为不可扩展。”李冰（音）说。研究还显示，黄石火山口下的地震群发生在相对不成熟、更粗糙的断层结构上，而南加州等地区及火山口外则是更典型的成熟断层。
这种“粗糙度”通过分形几何表征——分形是具有自相似性的几何形状，在不同尺度下呈现相似结构。自1980年本华·曼德博提出分形概念以来，其模式已在海岸线、雪花、西兰花甚至血管分支中被观察到。研究团队利用分形模型分析粗糙度与规则性，发现这些地震群可能由缓慢流动的地下水与突发流体活动共同引发。
“目前对地震群中事件如何相互触发缺乏系统理解，我们只能间接测量事件间的时空关系。”李冰（音）表示，“但现在，我们拥有了更全面的黄石火山口地震活动目录，可通过统计方法量化并发现新的地震群，深入研究其规律。”
上一篇：安徽新南港取得能避免安全气囊布片切割褶皱的布片固定夹专利
下一篇：苏州够硬核！