בינה מלאכותית חושפת אירועי החלקה איטיים נסתרים על השבר של סן אנדראס: מה גילתה DeepStrain

רוב רעידות האדמה מתבשרות במפתיע בטלטלה. אבל מתחת לקטע פארקפילד של השבר של סן אנדראס בקליפורניה, מתרחשת תנועה שקטה הרבה יותר - אירועי החלקה איטית (SSEs) המשחררים אנרגיה במשך ימים או שבועות מבלי לייצר רעידות סיסמיות. כעת, אלגוריתם למידה עמוקה בשם DeepStrain חשף שאירועים שקטים אלה נפוצים הרבה יותר ממה שחשבו בעבר, ושהם ממלאים תפקיד ישיר בהפעלת הרעידות הקטנות המכונות רעידות אדמה בתדר נמוך (LFEs).

האתגר בזיהוי החלקה שקטה

אירועי החלקה איטית הם מפורסמים בכך שקשה מאוד ללכוד אותם. מוני-מאמץ בקידוחים (BSMs) - מכשירים הקבורים עמוק בחורים גליליים בקרקע - יכולים לזהות דפורמציה של קרום כדור הארץ ברמת הננומאמץ, מה שהופך אותם לרגישים מספיק כדי לתעד מאמצים חולפים מזחילה א-סיסמית ומרעידות ושבירה אפיזודיים (ETS) . אבל האותות מאירועי SSE קטנים וקצרים קבורים בקלות בנתוני סדרות-זמן רועשים, ואנליסטים אנושיים לעיתים קרובות מחמיצים אותם . רשתות GPS, הכלי המסורתי למדידת תנועת קרום, אפילו פחות יעילות: שיעורי המאמץ מאירועים עמוקים אלה נמצאים לעיתים קרובות מתחת לספי הזיהוי של GPS .

איך DeepStrain עובד

DeepStrain, שפותחה על ידי הגיאופיזיקאית זהרה זלי ממכון GFZ פוטסדאם, היא מודל למידה עמוקה שאומן במיוחד על הקלטות מוני-מאמץ בקידוחים מרשת NOTA של הקרן הלאומית למדע (NSF) . האלגוריתם לומד לזהות את דפוסי הגלים העדינים של החלקה איטית בתוך הרעש הרב-ממדי של נתוני מאמץ רציפים. הקוד וצינור העיבוד שוחררו לציבור באוגוסט 2025, מה שמאפשר לחוקרים אחרים ליישם את השיטה באזורי שבר אחרים .

כשהופעל על אזור פארקפילד, DeepStrain השיג תוצאה יוצאת דופן: הוא זיהה 90% מאירועי SSE שקוטלגו ידנית בעבר ויתרה מכך, זיהה 21 אירועי SSE חדשים שהוחמצו בניתוח ידני . גידול של כ-30% בקטלוג האירועים הידוע מספק תמונה הרבה יותר שלמה של התנהגות השבר בקטע הנחקר ביותר הזה של השבר של סן אנדראס.

הקשר הזמני לרעידות אדמה בתדר נמוך

אולי הממצא המשמעותי ביותר עלה כאשר הצוות ניתח את התזמון של אירועי ה-SSE החדשים שהתגלו ביחס ל-LFEs. הנתונים הראו שאירועי החלקה איטית הופיעו לעיתים קרובות אחריהם רעידות אדמה בתדר נמוך . רצף זמני זה מרמז מאוד על מנגנון סיבתי: ההחלקה האיטית הא-סיסמית מעמיסה או מפעילה את הכתם הסייסמוגני שמייצר מאוחר יותר את ה-LFE.

תוצאה זו תואמת לעבודות קודמות שהראו שפעילות רעידות ו-LFE ליד פארקפילד חולקת את אותו קנה מידה של מומנט-משך כמו אירועי החלקה איטית, מה שמרמז שהם קשורים פיזית . רעידות אדמה בתדר נמוך התפרשו זה מכבר כאינדיקטורים סיסמיים של החלקה א-סיסמית מסביב , אבל DeepStrain מספקת העדות הגיאודזית הברורה ביותר לכך שאירועים איטיים בודדים מקדימים וככל הנראה מפעילים את רעידות האדמה הקטנות האלה.

השלכות על ניטור שברים ועל תפקיד הבינה המלאכותית בגיאופיזיקה

יכולת זיהוי מורחבת

DeepStrain מדגים שבינה מלאכותית יכולה לחלץ אותות גיאודזיים מתחת לסף הזיהוי של רשתות GPS ושל ניתוח ידני של מוני-מאמץ. קטלוג מורחב זה של SSEs מאפשר מחקרים סטטיסטיים חזקים יותר של התנהגות שברים, מרווחי הישנות, והתנאים שמובילים לרעידות אדמה גדולות יותר .

קשר סיבתי בין החלקה א-סיסמית לסיסמית

התצפית לפיה SSEs מקדימים באופן שיטתי LFEs תומכת במודלים שבהם החלקה איטית מעמיסה כתמי שבר סמוכים, ועלולה לקרב אותם לכשל. יש לכך רלוונטיות ישירה להבנת ההתחלה וההישנות של רעידות אדמה על השבר של סן אנדראס - אזור קריטי להערכת סיכונים סייסמיים .

פוטנציאל הפעלה בזמן אמת

מכיוון שניתן להפעיל את DeepStrain על נתוני מוני-מאמץ בקידוחים רציפים, הוא מציע כלי לזיהוי בזמן כמעט-אמת של דפורמציה חולפת שעלולה להקדים רעידות אדמה גדולות יותר. רשת NOTA כבר מתחזקת את תשתית מוני-המאמץ הדרושה ומעמידה נתונים וכלי עיבוד לרשות קהילת המחקר . זה יכול לשנות את האופן שבו מערכות התרעה מוקדמת על רעידות אדמה משלבות נתונים גיאודזיים.

תקדים רחב יותר לבינה מלאכותית בגיאופיזיקה

עבודה זו מצטרפת לגוף הוכחות הולך וגדל לכך שלמידה עמוקה יכולה לחלץ באופן שיטתי אותות גיאופיזיים בלתי נראים לשיטות מסורתיות. גישות דומות - כמו רשתות CNN לזיהוי רעידות בקסקדיה ולמידה עמוקה לזיהוי LFE על השבר של סן אנדראס - הראו שבינה מלאכותית יכולה לשמש כ"מכפיל כוח" לרשתות ניטור קיימות . DeepStrain מוכיח שאותו עיקרון חל על נתוני מוני-מאמץ בקידוחים, סוג חיישן מרכזי לזיהוי החלקה חולפת בשורשים העמוקים של שברים.

הסתייגויות ושאלות פתוחות

הארכיטקטורה המדויקת של DeepStrain (האם היא משתמשת בעיצוב מבוסס קונבולוציה, רקורסיה או טרנספורמר) אינה מפורטת בתקצירים הזמינים לציבור. הפרטים המתודולוגיים המלאים נמצאים במאמר Nature Communications (doi: 10.1038/s41467-026-74095-9) . בנוסף, האלגוריתם אומת עד כה רק על קטע פארקפילד; הביצועים שלו על אזורי שבר אחרים עם תצורות מוני-מאמץ ומאפייני רעש שונים עדיין נדרשים להיבדק.