▲网络配图
在某地区发生大地震后的很长一段时间内，其周边地区都可能会经常受到强烈余震的袭击。这可能使已经受损的社区陷入混乱，严重阻碍重建进程。虽然科学家们提出了诸如巴斯规律和欧姆李规律等经验法则，可以描述余震可能的规模和时间，但余震发生的地点很难预测。
《自然》（Nature）杂志8月30日出版的论文或将为余震预测打开新大门。地球与行星科学教授布伦丹?米德(Brendan Meade)和博士后菲比?德弗里斯(Phoebe DeVries)等，尝试使用人工智能技术解决余震预测问题。他们利用深度学习算法，分析了世界各地的地震数据库，预测余震可能发生的地点，并开发了一个人工智能系统。该系统虽然仍不够精确，但比随机分配的预测效果更好。
米德说：“关于地震，有3个问题是人们最想知道答案的——何时发生、震级如何以及在哪发生。经验法则为前两个问题的解答提供了借鉴，我们的研究则聚焦于回答第3个问题。”德弗里斯补充说：“由于影响余震的因素非常多，而机器学习在理清这类复杂关系方面极具潜力。因此，机器学习非常适用于余震预测。虽然目前我们可能只是接触到了余震预测研究的皮毛，但这已经足够让人激动不已。”
利用人工智能研究余震的设想首次出现于数年以前。为了完成研究，米德等首先访问了超过199次大地震后的观测数据。米德说：“5级或5级以上的地震发生后，研究人员会花大量时间来计算断层的移动情况。许多研究可能只会使用一两次地震后的观测数据，但我们使用了整个数据库的数据。通过综合分析震后数据与震后地球承受应力、应变的物理模型，我们认为主震造成的应力和应变可能是引发余震的原因。”
在获得这一信息后，米德等将震区网格化，然后系统检测是否有余震，并分析余震地点与主震产生应力的关联。米德解释说：“系统指向的是偏应力张量的第二不变量（J2）。虽然J2常出现在冶金学等领域，但这意味着神经网络系统的分析并非是天方夜谭。它提出的东西是高度可解释的。”德弗里斯认为，可解释性非常重要——长久以来，很多科学家都认为人工智能系统只是一个根据数据得出结果的黑匣子而已。
然而，用高度复杂的真实数据来应对这样的挑战，将是一项艰巨的任务，因此，米德等需要系统为高度理想化的地震作出预测并进行检查。值得高兴的是，神经网络是由全球的地震和余震信息训练的，因此它适用于多种类型的断层。
预测系统的应用之路还很漫长，但米德等对此充满信心。米德说，他们正在努力实现用人工智能系统预测地震震级，以减轻灾难的破坏性。相对于传统地震学家那样的“事后诸葛亮”，他们更希望成为“地震预言家”。
编译：雷鑫宇 审稿：三水
责编：南熙
