谷歌和哈佛团队操纵深度进修来展望地震余震

科学家可以在必然程度上展望这些余震的大小和时候,但肯定位置始终具有挑战性。哈佛大学和谷歌科学家的新研究表明 AI 可能会供给帮助。在本周发表在 ” 天然 ” 杂志上的一篇论文中,研究职员展现了深度进修若何比现有模子更可靠地帮助展望余震位置。科学家练习了一个神经收集,在数据库中查找超过 131000 次 ” 主震 – 余震 ” 事务的模式,然后在 30000 个近似对的数据库上测试其展望。

深度进修收集比最有效的现有模子(称为 ” 库仑失效应力变化 “)更可靠,现有库仑模子得分为 0.583,而新的 AI 系统达到 0.849。展望余震的位置有助于将紧急服务指导到他们需要的地方。人工智能在这一范畴的成功归功于该技术的核心上风之一:它可以或许发现复杂数据集中之前被忽视的模式。这在地震学中尤其主要,由于在地震学中看到数据中的毗连非常坚苦。地震事务触及太多变量,从不同区域的地面构成到地震板块之间的彼此感化类型,和能量在波浪中穿过地球传播的方式。理解这一切长短常坚苦的。

研究职员表示,他们的深度进修模子可以或许经由过程考虑一个被称为 ” 冯米塞斯屈就准则 ” 的身分来做出展望,这是一种用于展望材料何时开始在压力下分裂的复杂计算。这个身分常用于冶金等范畴,但在地震科学中从未风行过。此刻,根据这一新模子的发现,地质学家可以研究其相干性。

尽管这项研究获得了成功,但它还远未筹办好在实际世界中部署。起首,AI 模子只关注由地面永远性变化引发的余震,称为静态应力。但后续地震也可能是因为后来发生的地面隆隆声酿成的,称为动态压力。现有模子也太慢而没法及时工作。这很主要,由于大多数余震发生在地震发生后的第一天,然后在每天的频率大致减半。

哈佛大学研究职员表示,我们间隔现实可以或许展望余震还有很长的路要走,但我们为机器进修在这方面具有巨大的潜力。

谷歌和哈佛团队操纵深度进修来展望地震余震谷歌和哈佛团队操纵深度进修来展望地震余震

本文系转载自其它媒体或授权刊载,目的在于信息传递,并不代表本站赞同其观点和对其真实性负责,如有新闻稿件和图片作品的内容、版权以及其它问题的,请联系我们。