Искусственный интеллект научился предсказывать землетрясения в лаборатории

Как искусственный интеллект может использоваться для обнаружения тонких сигналов, предшествующих землетрясениям. Автор: (KyotoU / Kaneko lab)

Предсказание землетрясений долгое время оставалось недостижимой мечтой. Такие факторы, как странное поведение животных, которые исторически считались предвестниками землетрясений, не подтверждаются эмпирическими данными. Поскольку эти факторы часто происходят независимо от землетрясений и наоборот, сейсмологи полагают, что землетрясения происходят с малым предупреждением или вообще без него. По крайней мере, так всё выглядит с поверхности.

Зоны генерации землетрясений лежат глубоко в земной коре и не могут наблюдаться напрямую, но ученые давно предполагали, что разломы могут проходить предварительную фазу перед землетрясением, во время которой происходят «микроразрывы» и «медленное скольжение». Однако, несмотря на их очевидный потенциал, до сих пор неясно, как именно эти процессы могут позволить предсказать основной толчок.

Кроме того, наблюдательные исследования показали, что малые и крупные землетрясения кажутся неразличимыми в начале их разрыва, что ставит под сомнение полезность краткосрочных предвестников.

Эти трудности побудили интерес к использованию машинного обучения для поиска потенциально предсказательных сигналов разлома. Модели машинного обучения продемонстрировали способность предсказывать лабораторные землетрясения «прилипания-скольжения» в небольших сантиметровых экспериментах, но этот подход еще не применялся к более крупным и сложным системам, которые более точно имитируют природные разломы.

Это побудило команду исследователей из Университета Киото вывести этот подход на новый уровень. Они протестировали прогнозирование на основе машинного обучения на лабораторных землетрясениях метрового масштаба, где физические процессы и временные масштабы более точно отражают процессы, происходящие в земной коре.

Работа опубликована в журнале Nature Communications.

«Мы применили передовую технику машинного обучения к данным, собранным в эксперименте с трением горных пород метрового масштаба, который генерирует лабораторные землетрясения «прилипания-скольжения» вместе с многочисленными акустическими эмиссионными событиями — крошечными сигналами форшоков, возникающими по мере приближения разлома к разрушению», — говорит первый автор Рэйдзю Норисуги.

Анализ команды показал, что модели машинного обучения, обученные только на данных о форшоках, могут точно обнаруживать тонкие сигналы, которые появляются непосредственно перед началом этих лабораторных землетрясений.

Чтобы лучше понять, как машинное обучение может достичь такой точности, команда сравнила его производительность с физическими численными симуляциями, воспроизводящими экспериментальные данные. Они обнаружили, что ключевым прогностическим фактором является эволюция напряжения сдвига в «ползучих» или медленно скользящих областях разлома.

«Эти локализованные изменения напряжения предоставляют более диагностическую информацию, чем среднее напряжение по разлому, что подчеркивает важность мониторинга пространственно неоднородного поведения скольжения разлома», — говорит руководитель группы Ёсихиро Канэко.

Продемонстрировав, что машинное обучение может обнаруживать и интерпретировать тонкие физические изменения, предшествующие разрыву в реалистичных крупномасштабных лабораторных системах разломов, это исследование помогает преодолеть разрыв между лабораторными исследованиями и природными системами разломов.

Более того, команда создала физическую основу для понимания заключительных стадий нагрузки разлома, что представляет собой важный шаг на пути к краткосрочному прогнозированию землетрясений в природе.

Больше информации: Reiju Norisugi et al, Machine learning predicts meter-scale laboratory earthquakes, Nature Communications (2025). DOI: 10.1038/s41467-025-64542-4

Источник: Kyoto University

Интересный факт: несмотря на все достижения науки, точное предсказание землетрясений до сих пор остается одной из самых сложных задач геофизики. Наиболее сейсмоопасные регионы мира, такие как Япония и Калифорния, используют системы раннего предупреждения, которые способны обнаружить уже начавшееся землетрясение и предупредить население за несколько секунд до прихода разрушительных волн.