AI 辅助科学，预测地震余震位置
文 / Phoebe DeVries，哈佛大学博士后研究员
从飓风和洪水到火山和地震，地球在剧烈活动的间歇和爆发中不断进化。在过去的十年间，仅地震和随之而来的海啸，就造成了大规模的破坏 — 即便是在撰写这篇文章的过程中，新喀里多尼亚，南加州，伊朗和斐济也相继发生过地震，此种灾害，多如牛毛，不胜枚举。
地震通常按序发生：最初的 “主震”（通常是新闻头条级别的事件）往往伴随着一系列 “余震”。虽然这些余震一般都小于主震，但在某些情况下，它们可能会严重阻碍灾后的恢复工作。余震的时间和大小尽管已经通过一些既定的经验法则进行诠释和理解，但预测这些事件的位置更具挑战性。
我们与 Google 的机器学习专家合作，尝试着是否可以应用深度学习来解释可能发生余震的位置，并将研究结果的论文发表。关于我们如何获得成功，想要多提几句：我们起步于一个数据库，一个关于世界各地发生的多达 118 次，甚至更多的大地震的信息数据库。
1992 年南加州兰德斯 7.3 级地震的直观表示，其中多色部分代表最初的地震，红色方框代表余震位置
从那里，我们应用神经网络来分析由主震和余震位置引起的静态应力变化之间的关系。该算法能够识别有用的模式。
最终的结果是改进了预测余震位置的模型，虽然这个系统仍然不精确，但是这意味着我们向前迈出了一步。总有一天，基于机器学习的预测会有助于部署紧急服务，并为有余震风险的地区提供疏散计划。
预测兰德斯地震余震定位概率的分布。深红色表示预计会经历余震的区域。黑点是观察到的余震的位置，黄线表示在主震期间破裂的断层
本项研究还获得了一个意想不到的结果：它帮助我们确定了物理量，这在地震发生时可能非常重要。当我们将神经网络应用于数据集时，我们能够深入了解对于该预测十分重要且有用的特定因素组合，而不仅仅是将预测结果视为面值。它为寻找一些能够让我们更好地理解自然现象的潜在物理理论开辟了新的可能。
我们期待看到未来的机器学习可以揭开地震背后的奥秘，不断减少其有害影响。
更多 AI 相关阅读：
相关内容
微信扫码咨询专知VIP会员