人工智慧神經網路用途！研究使用AI技術深度學習 預測餘震的位置 非常準確

在大地震發生後的幾個星期和幾個月內，周圍地區經常遭受強大餘震的破壞，這些餘震可能會使已經受損的社區癱瘓並嚴重阻礙恢復工作。

雖然科學家已經制定了經驗法則，如B?th定律和Ohmori定律，來描述這些餘震的可能大小和時間，但預測其位置的方法卻難以掌握。

但是，谷歌研究人員的建議引發了地球和行星科學教授布倫丹米德以及在他的實驗室工作的博士後人員Phoebe DeVries正在使用人工智慧技術試圖解決這個問題。

使用深度學習演算法，該對分析了來自世界各地的地震資料庫，試圖預測餘震可能發生的位置，並開發了一個系統，雖然仍然不精確，但能夠比隨機分配更好地預測餘震。該作品在8月30日發表於「 自然」雜誌的論文中有所描述。

「你想知道三件關於地震的事情 - 你想知道它們何時會發生，它們將會變得多大以及它們將會發生在哪裡，」米德說。「在這項工作之前，我們有關於它們何時會發生以及它們將會變得多大的經驗法則，現在我們正處於可能發生的第三條腿。」

「對於機器學習在這些問題上取得進展的潛力，我感到非常興奮 - 這是一個非常重要的問題，」DeVries說。「特別是餘震預測是一項非常適合機器學習的挑戰，因為有太多的物理現象可以影響餘震行為，機器學習非常善於梳理這些關係。我認為我們真的只是劃傷了餘震預測可以做些什麼......這真的令人興奮。「

使用人工智慧神經網路試圖預測餘震的概念最早出現在幾年前，當時米德在劍橋谷歌的兩次休假中首次出現。

Meade說，在與一組研究人員討論相關問題時，一位同事建議當時正在出現的「深度學習」演算法可能會使問題更容易處理。Meade後來與DeVries合作，後者一直使用神經網路將高性能計算代碼轉換為可在筆記本電腦上運行的演算法，以便專註於餘震。

「目標是完成圖片，我們希望我們為此做出了貢獻，」米德說。

要做到這一點，Meade和DeVries首先訪問了超過199次大地震後的觀測資料庫。

米德說：「在5級或更大的地震發生後，人們會花費大量的時間來繪製故障的哪一部分，以及它的移動程度。」 「許多研究可能會使用一兩次地震的觀測結果，但我們使用了整個資料庫......我們將它與基於物理的模型相結合，研究地震後地球將如何受到壓力和應變，其理念是：主震引起的應力和應變可能是引發餘震的原因。「

有了這些信息，他們就會將一個區域分成5公里方格的網格。在每個網格中，系統檢查是否存在餘震，並要求神經網路尋找發生餘震的位置與主要地震產生的應力之間的相關性。

「問題在於哪些因素可能具有預測性，」米德說。「有許多理論，但本文所做的一件事顯然是顛覆了最主要的理論 - 它表明它具有可忽略的預測能力，而是提出了具有明顯更好的預測能力的理論。」

米德說，系統指出的是一個被稱為偏應力張量的第二個不變數的量 - 更好地稱為J2。

「這是在冶金學和其他理論中發生的數量，但在地震科學中從未流行過，」米德說。「但這意味著神經網路沒有出現一些瘋狂的東西，它提出了一些高度可解釋的東西。它能夠識別出我們應該關注的物理特性，這非常酷。」

DeVries說，這種可解釋性至關重要，因為人工智慧系統長期以來被許多科學家視為黑盒子 - 能夠根據一些數據產生答案。

「這是我們這個過程中最重要的步驟之一，」她說。「當我們第一次訓練神經網路時，我們注意到它在預測餘震的位置方面做得很好，但我們認為如果我們能夠解釋它發現的哪些因素對於預測是重要的或有用的，那將是很重要的。」

然而，採用高度複雜的現實世界數據來應對這一挑戰將是一項艱巨的任務，因此該對要求系統為合成的，高度理想化的地震創建預測，然後檢查預測。

「我們研究了神經網路的輸出，然後我們看看如果不同的數量控制餘震預測，我們會期待什麼，」她說。「通過在空間上比較它們，我們能夠證明J2在預測中似乎很重要。」

Meade說，由於網路是使用來自全球的地震和餘震進行訓練的，因此產生的系統適用於許多不同類型的故障。

「世界不同地區的斷層有不同的幾何形狀，」米德說。「在加利福尼亞州，大多數都是滑倒故障，但在其他地方，如日本，它們的俯衝區非常淺。但是這個系統很酷的是你可以在一個系統上進行訓練，它會預測另一個，所以它真的普及「。

「我們距離實際預測它們還有很長的路要走，」她說。「我們在任何實時意義上都要做很長的事情，但我認為機器學習在這方面具有巨大的潛力。」

梅德說，展望未來，他正致力於利用人工智慧技術自行預測地震的嚴重程度，目標是有一天能夠幫助預防災難造成的破壞性影響。

「正統的地震學家主要是病理學家，」米德說。「他們研究災難性事件發生後會發生什麼。我不想這樣做 - 我想成為一名流行病學家。我想了解導致這些事件的觸發因素，導致和轉移。」

最終，米德說，這項研究突出了深度學習演算法回答問題的可能性 - 直到最近 - 科學家幾乎不知道如何提問。

「我認為在思考地震預測方面存在一場靜悄悄的革命，」他說。「這不是一個完全在那裡的想法。雖然這個結果很有意思，但我認為這是關於在人工智慧時代重建所有科學的一般革命的一部分。

「這些令人生畏的問題現在極易獲得，」他繼續道。「這不僅僅是由於計算能力 - 科學界將從中受益匪淺，因為...... AI聽起來非常令人生畏，但實際上並非如此。這是一種非常民主化的計算類型，我認為很多人都在開始得到那個。「

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！