Google與哈佛大學合作通過AI預測地震余震

地震分階段進行。第一次大地震或大地震釋放了下面構造力量的沖擊力，然后是一系列余震，盡管余震較小，但仍會嚴重危害最初運動所損壞的建筑物。

Google LLC和哈佛大學希望通過人工智能緩解這些余震帶來的威脅。今天早上，他們詳細介紹了一個聯合項目，在該項目中，他們構建了一個AI系統，以預測可能發生二次地震的地方。

當前尚無可靠的方法來解釋影響余震位置的無數物理因素。從事AI模型研究的研究人員在接受ScienceDaily采訪時強調說，他們的系統也不準備做出現實世界的預測。但是他們稱贊該項目的成果是該領域向前邁出的重要一步，并表示他們“明顯顛覆了預測余震的最主要理論”。

研究人員在用超過131,000個主震-余震測量對的數據集訓練AI之后，實現了突破。據該小組稱，這些數據是從全球199次大地震中收集的。研究人員將每個顫抖地點分解成1.9平方英里的網格，并讓神經網絡相互比較地點之間的相關性。

在此分析階段，人工智能發現了可以預測余震的新因素組合。研究人員聲稱，它隔離了兩個指標，研究人員聲稱它們從未廣泛用于地震預報。這些因素稱為最大剪切應力變化和von-Mises屈服準則，主要用于冶金等領域，以評估可彎曲材料在應力下的表現。

研究人員通過對30,000個主震-余震對運行模型來測試了該方法。從0到1的準確性范圍內，該系統獲得了令人印象深刻的0.849。公認的是，AI在相當狹窄的測試條件下達到了該結果，但它輕而易舉地超過了庫侖失效應力變化模型的0.583分，該模型迄今為止一直被認為是預測余震位置的最可靠方法。

參與該項目的哈佛大學博士后研究員菲比·德弗里斯(Phoebe DeVries)寫道：“最終結果是一種改進的模型，可以預測余震的位置，盡管該系統仍不精確，但這是向前邁進了一步。” “這項研究還產生了意想不到的結果：它幫助我們確定了對地震發生可能很重要的物理量。”

“當我們將神經網絡應用于數據集時，我們能夠深入了解其對于該預測而言重要和有用的特定因素組合，而不僅僅是將預測結果看成是面值，” DeVries解釋說。“這為尋找潛在的物理理論開辟了新的可能性，可以使我們更好地理解自然現象。”