Kecerdasan Buatan Membongkar Rahsia Gempa Bumi Senyap di Sesar San Andreas
Algoritma pembelajaran mendalam bernama DeepStrain, yang dilatih menggunakan data borehole strainmeter dari bahagian Parkfield di Sesar San Andreas, berjaya mengesan 90% peristiwa gelinciran perlahan yang diketahui da... Penyelidikan yang diterbitkan dalam Nature Communications (doi: 10.1038/s41467 026 74095 9) oleh...
Diterbitkan olehDisunting dengan DeepSeek-V4-FlashImej dijana dengan GPT Image 1.5
Algoritma pembelajaran mendalam bernama DeepStrain, yang dilatih menggunakan data borehole strainmeter dari bahagian Parkfield di Sesar San Andreas, berjaya mengesan 90% peristiwa gelinciran perlahan yang diketahui da...
Penyelidikan yang diterbitkan dalam Nature Communications (doi: 10.1038/s41467 026 74095 9) oleh Zahra Zali dari GFZ Potsdam ini menunjukkan bahawa AI boleh mengekstrak isyarat geodetik yang berada di bawah ambang pen...
Kajian mendapati bahawa peristiwa gelinciran perlahan kerap diikuti oleh gempa bumi frekuensi rendah, mencadangkan hubungan sebab akibat di mana gelinciran aseismik mencetuskan gempa bumi kecil tersebut.
Penemuan ini mempunyai implikasi besar untuk pemantauan sesar dan sistem amaran awal gempa bumi, kerana DeepStrain boleh digunakan pada data masa nyata dari rangkaian borehole strainmeter yang sedia ada.
Search & fact-check with cited sources for How did a deep-learning algorithm trained on borehole strainmeter data uncover previously undetecConceptual illustration: a deep-learning algorithm analyzes borehole strainmeter data to uncover previously undetected slow slip events beneath the Parkfield section of the San Andreas Fault.
AI Prompt
Create a landscape editorial hero image for this Studio Global article: Search & fact-check with cited sources for How did a deep-learning algorithm trained on borehole strainmeter data uncover previously undetec. Article summary: ## Key Findings from the EarthScope Consortium / DeepStrain Study. Topic tags: general, government, academic, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an illustrative visual, not as factual evidenc
openai.com
Kebanyakan gempa bumi datang dengan gegaran yang boleh dirasai. Namun, di bawah permukaan bahagian Parkfield di Sesar San Andreas di California, satu kelas pergerakan yang lebih senyap telah berlaku tanpa disedari—peristiwa gelinciran perlahan (slow slip events, SSE) yang melepaskan tenaga selama beberapa hari atau minggu tanpa menghasilkan gegaran seismik. Kini, algoritma pembelajaran mendalam yang dipanggil DeepStrain telah mendedahkan bahawa peristiwa senyap ini jauh lebih biasa daripada yang disangka sebelum ini, dan ia memainkan peranan langsung dalam mencetuskan gegaran kecil yang dikenali sebagai gempa bumi frekuensi rendah (low-frequency earthquakes, LFE) .
Cabaran Mengesan Gelinciran Senyap
Peristiwa gelinciran perlahan terkenal sukar dikesan. Borehole strainmeter (BSM)—instrumen yang ditanam jauh di dalam lubang silinder di dalam tanah—boleh mengesan ubah bentuk kerak bumi pada tahap nanostrain, menjadikannya cukup sensitif untuk merakam terikan sementara dari rayapan aseismik dan episodik gementar dan gelinciran (ETS) . Tetapi isyarat daripada SSE yang kecil dan singkat mudah tenggelam dalam data siri masa yang bising, yang sering terlepas oleh penganalisis manusia . Rangkaian GPS, alat tradisional untuk mengukur pergerakan kerak bumi, kurang berkesan: kadar terikan daripada peristiwa dalam ini selalunya berada di bawah ambang pengesanan GPS .
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
What is the short answer to "Kecerdasan Buatan Membongkar Rahsia Gempa Bumi Senyap di Sesar San Andreas"?
Algoritma pembelajaran mendalam bernama DeepStrain, yang dilatih menggunakan data borehole strainmeter dari bahagian Parkfield di Sesar San Andreas, berjaya mengesan 90% peristiwa gelinciran perlahan yang diketahui da...
What are the key points to validate first?
Algoritma pembelajaran mendalam bernama DeepStrain, yang dilatih menggunakan data borehole strainmeter dari bahagian Parkfield di Sesar San Andreas, berjaya mengesan 90% peristiwa gelinciran perlahan yang diketahui da... Penyelidikan yang diterbitkan dalam Nature Communications (doi: 10.1038/s41467 026 74095 9) oleh Zahra Zali dari GFZ Potsdam ini menunjukkan bahawa AI boleh mengekstrak isyarat geodetik yang berada di bawah ambang pen...
What should I do next in practice?
Kajian mendapati bahawa peristiwa gelinciran perlahan kerap diikuti oleh gempa bumi frekuensi rendah, mencadangkan hubungan sebab akibat di mana gelinciran aseismik mencetuskan gempa bumi kecil tersebut.
Kecerdasan Buatan Membongkar Rahsia Gempa Bumi Senyap di Sesar San Andreas
Algoritma pembelajaran mendalam bernama DeepStrain, yang dilatih menggunakan data borehole strainmeter dari bahagian Parkfield di Sesar San Andreas, berjaya mengesan 90% peristiwa gelinciran perlahan yang diketahui da... Penyelidikan yang diterbitkan dalam Nature Communications (doi: 10.1038/s41467 026 74095 9) oleh...
Diterbitkan olehDisunting dengan DeepSeek-V4-FlashImej dijana dengan GPT Image 1.5
Algoritma pembelajaran mendalam bernama DeepStrain, yang dilatih menggunakan data borehole strainmeter dari bahagian Parkfield di Sesar San Andreas, berjaya mengesan 90% peristiwa gelinciran perlahan yang diketahui da...
Penyelidikan yang diterbitkan dalam Nature Communications (doi: 10.1038/s41467 026 74095 9) oleh Zahra Zali dari GFZ Potsdam ini menunjukkan bahawa AI boleh mengekstrak isyarat geodetik yang berada di bawah ambang pen...
Kajian mendapati bahawa peristiwa gelinciran perlahan kerap diikuti oleh gempa bumi frekuensi rendah, mencadangkan hubungan sebab akibat di mana gelinciran aseismik mencetuskan gempa bumi kecil tersebut.
Penemuan ini mempunyai implikasi besar untuk pemantauan sesar dan sistem amaran awal gempa bumi, kerana DeepStrain boleh digunakan pada data masa nyata dari rangkaian borehole strainmeter yang sedia ada.
Search & fact-check with cited sources for How did a deep-learning algorithm trained on borehole strainmeter data uncover previously undetecConceptual illustration: a deep-learning algorithm analyzes borehole strainmeter data to uncover previously undetected slow slip events beneath the Parkfield section of the San Andreas Fault.
AI Prompt
Create a landscape editorial hero image for this Studio Global article: Search & fact-check with cited sources for How did a deep-learning algorithm trained on borehole strainmeter data uncover previously undetec. Article summary: ## Key Findings from the EarthScope Consortium / DeepStrain Study. Topic tags: general, government, academic, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an illustrative visual, not as factual evidenc
openai.com
Kebanyakan gempa bumi datang dengan gegaran yang boleh dirasai. Namun, di bawah permukaan bahagian Parkfield di Sesar San Andreas di California, satu kelas pergerakan yang lebih senyap telah berlaku tanpa disedari—peristiwa gelinciran perlahan (slow slip events, SSE) yang melepaskan tenaga selama beberapa hari atau minggu tanpa menghasilkan gegaran seismik. Kini, algoritma pembelajaran mendalam yang dipanggil DeepStrain telah mendedahkan bahawa peristiwa senyap ini jauh lebih biasa daripada yang disangka sebelum ini, dan ia memainkan peranan langsung dalam mencetuskan gegaran kecil yang dikenali sebagai gempa bumi frekuensi rendah (low-frequency earthquakes, LFE) .
Cabaran Mengesan Gelinciran Senyap
Peristiwa gelinciran perlahan terkenal sukar dikesan. Borehole strainmeter (BSM)—instrumen yang ditanam jauh di dalam lubang silinder di dalam tanah—boleh mengesan ubah bentuk kerak bumi pada tahap nanostrain, menjadikannya cukup sensitif untuk merakam terikan sementara dari rayapan aseismik dan episodik gementar dan gelinciran (ETS) . Tetapi isyarat daripada SSE yang kecil dan singkat mudah tenggelam dalam data siri masa yang bising, yang sering terlepas oleh penganalisis manusia . Rangkaian GPS, alat tradisional untuk mengukur pergerakan kerak bumi, kurang berkesan: kadar terikan daripada peristiwa dalam ini selalunya berada di bawah ambang pengesanan GPS .
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
What is the short answer to "Kecerdasan Buatan Membongkar Rahsia Gempa Bumi Senyap di Sesar San Andreas"?
Algoritma pembelajaran mendalam bernama DeepStrain, yang dilatih menggunakan data borehole strainmeter dari bahagian Parkfield di Sesar San Andreas, berjaya mengesan 90% peristiwa gelinciran perlahan yang diketahui da...
What are the key points to validate first?
Algoritma pembelajaran mendalam bernama DeepStrain, yang dilatih menggunakan data borehole strainmeter dari bahagian Parkfield di Sesar San Andreas, berjaya mengesan 90% peristiwa gelinciran perlahan yang diketahui da... Penyelidikan yang diterbitkan dalam Nature Communications (doi: 10.1038/s41467 026 74095 9) oleh Zahra Zali dari GFZ Potsdam ini menunjukkan bahawa AI boleh mengekstrak isyarat geodetik yang berada di bawah ambang pen...
What should I do next in practice?
Kajian mendapati bahawa peristiwa gelinciran perlahan kerap diikuti oleh gempa bumi frekuensi rendah, mencadangkan hubungan sebab akibat di mana gelinciran aseismik mencetuskan gempa bumi kecil tersebut.
Dibangunkan oleh ahli geofizik Zahra Zali dari GFZ Potsdam, DeepStrain ialah model pembelajaran mendalam yang dilatih khusus menggunakan rakaman borehole strainmeter daripada Rangkaian Benua Amerika (NOTA) NSF . Algoritma ini belajar mengenali corak gelombang halus gelinciran perlahan dalam hingar dimensi tinggi data terikan berterusan. Kod dan saluran pra-pemprosesan telah dikeluarkan secara umum pada Ogos 2025, membolehkan penyelidik lain menggunakan kaedah ini ke zon sesar lain .
Apabila digunakan ke rantau Parkfield, DeepStrain mencapai hasil yang luar biasa: ia mengesan 90% daripada SSE yang telah dikatalog secara manual dan, yang lebih penting, mengenal pasti 21 SSE baharu yang terlepas dalam analisis manual . Peningkatan kira-kira 30% dalam katalog peristiwa yang diketahui ini memberikan gambaran yang jauh lebih lengkap tentang gelagat sesar di segmen Sesar San Andreas yang dikaji secara intensif ini.
Hubungan Masa dengan Gempa Bumi Frekuensi Rendah
Mungkin penemuan yang paling ketara muncul apabila pasukan penyelidik menganalisis masa SSE yang baru dikesan berbanding dengan LFE. Data menunjukkan bahawa peristiwa gelinciran perlahan sering diikuti oleh gempa bumi frekuensi rendah. Urutan masa ini menunjukkan dengan kuat satu mekanisme sebab-akibat: gelinciran aseismik yang perlahan membebani atau mencetuskan tompokan seismogenik yang kemudiannya menghasilkan LFE.
Keputusan ini konsisten dengan kajian terdahulu yang menunjukkan bahawa aktiviti gementar dan LFE berhampiran Parkfield mempunyai skala momen-tempoh yang sama seperti peristiwa gelinciran perlahan, membayangkan ia berkait secara fizikal . Gempa bumi frekuensi rendah telah lama ditafsirkan sebagai penunjuk seismik bagi gelinciran aseismik di sekeliling , tetapi DeepStrain memberikan bukti geodetik paling jelas bahawa peristiwa gelinciran perlahan mendahului dan kemungkinan mencetuskan gempa bumi kecil tersebut.
Implikasi untuk Pemantauan Sesar dan AI dalam Geofizik
Keupayaan Pengesanan yang Diperluas
DeepStrain menunjukkan bahawa AI boleh mengekstrak isyarat geodetik di bawah ambang pengesanan kedua-dua rangkaian GPS dan analisis manual strainmeter. Katalog SSE yang diperluas ini membolehkan kajian statistik yang lebih mantap tentang gelagat sesar, selang berulang, dan keadaan yang membawa kepada gempa bumi yang lebih besar .
Hubungan Sebab-Akibat antara Gelinciran Aseismik dan Seismik
Pemerhatian bahawa SSE secara sistematik mendahului LFE menyokong model di mana gelinciran perlahan membebani tompokan sesar yang berdekatan, berpotensi membawanya lebih dekat kepada kegagalan. Ini mempunyai kaitan langsung untuk memahami nukleasi dan pengulangan gempa bumi di Sesar San Andreas—satu kawasan kritikal untuk penilaian bahaya seismik .
Potensi Operasi Masa Nyata
Oleh kerana DeepStrain boleh digunakan pada data borehole strainmeter berterusan, ia menawarkan alat untuk pengesanan hampir masa nyata bagi ubah bentuk sementara yang mungkin mendahului gempa bumi yang lebih besar. Rangkaian NOTA sudah mengekalkan infrastruktur strainmeter yang diperlukan dan menyediakan data serta alat pemprosesan kepada komuniti penyelidikan . Ini boleh mengubah cara sistem amaran awal gempa bumi menggabungkan data geodetik.
Preseden AI yang Lebih Luas dalam Geofizik
Kerja ini menyertai bukti yang semakin meningkat bahawa pembelajaran mendalam boleh mengekstrak isyarat geofizik yang tidak kelihatan oleh kaedah tradisional. Pendekatan serupa—seperti CNN untuk pengesanan gementar di Cascadia dan pembelajaran mendalam untuk pengenalan LFE di Sesar San Andreas—telah menunjukkan bahawa AI boleh bertindak sebagai "pengganda daya" untuk rangkaian pemantauan sedia ada . DeepStrain membuktikan bahawa prinsip yang sama digunakan pada data borehole strainmeter, sejenis penderia utama untuk mengesan gelinciran sementara di akar dalam sesar.
Kaveat dan Soalan Terbuka
Butiran seni bina tepat DeepStrain (sama ada ia menggunakan rekaan berasaskan konvolusi, rekursif, atau transformer) tidak diperincikan dalam ringkasan yang tersedia untuk umum. Butiran metodologi penuh terdapat dalam kertas Nature Communications (doi: 10.1038/s41467-026-74095-9) . Selain itu, algoritma setakat ini hanya disahkan pada segmen Parkfield; prestasinya di zon sesar lain dengan konfigurasi strainmeter dan ciri hingar yang berbeza masih perlu diuji.
Dibangunkan oleh ahli geofizik Zahra Zali dari GFZ Potsdam, DeepStrain ialah model pembelajaran mendalam yang dilatih khusus menggunakan rakaman borehole strainmeter daripada Rangkaian Benua Amerika (NOTA) NSF . Algoritma ini belajar mengenali corak gelombang halus gelinciran perlahan dalam hingar dimensi tinggi data terikan berterusan. Kod dan saluran pra-pemprosesan telah dikeluarkan secara umum pada Ogos 2025, membolehkan penyelidik lain menggunakan kaedah ini ke zon sesar lain .
Apabila digunakan ke rantau Parkfield, DeepStrain mencapai hasil yang luar biasa: ia mengesan 90% daripada SSE yang telah dikatalog secara manual dan, yang lebih penting, mengenal pasti 21 SSE baharu yang terlepas dalam analisis manual . Peningkatan kira-kira 30% dalam katalog peristiwa yang diketahui ini memberikan gambaran yang jauh lebih lengkap tentang gelagat sesar di segmen Sesar San Andreas yang dikaji secara intensif ini.
Hubungan Masa dengan Gempa Bumi Frekuensi Rendah
Mungkin penemuan yang paling ketara muncul apabila pasukan penyelidik menganalisis masa SSE yang baru dikesan berbanding dengan LFE. Data menunjukkan bahawa peristiwa gelinciran perlahan sering diikuti oleh gempa bumi frekuensi rendah. Urutan masa ini menunjukkan dengan kuat satu mekanisme sebab-akibat: gelinciran aseismik yang perlahan membebani atau mencetuskan tompokan seismogenik yang kemudiannya menghasilkan LFE.
Keputusan ini konsisten dengan kajian terdahulu yang menunjukkan bahawa aktiviti gementar dan LFE berhampiran Parkfield mempunyai skala momen-tempoh yang sama seperti peristiwa gelinciran perlahan, membayangkan ia berkait secara fizikal . Gempa bumi frekuensi rendah telah lama ditafsirkan sebagai penunjuk seismik bagi gelinciran aseismik di sekeliling , tetapi DeepStrain memberikan bukti geodetik paling jelas bahawa peristiwa gelinciran perlahan mendahului dan kemungkinan mencetuskan gempa bumi kecil tersebut.
Implikasi untuk Pemantauan Sesar dan AI dalam Geofizik
Keupayaan Pengesanan yang Diperluas
DeepStrain menunjukkan bahawa AI boleh mengekstrak isyarat geodetik di bawah ambang pengesanan kedua-dua rangkaian GPS dan analisis manual strainmeter. Katalog SSE yang diperluas ini membolehkan kajian statistik yang lebih mantap tentang gelagat sesar, selang berulang, dan keadaan yang membawa kepada gempa bumi yang lebih besar .
Hubungan Sebab-Akibat antara Gelinciran Aseismik dan Seismik
Pemerhatian bahawa SSE secara sistematik mendahului LFE menyokong model di mana gelinciran perlahan membebani tompokan sesar yang berdekatan, berpotensi membawanya lebih dekat kepada kegagalan. Ini mempunyai kaitan langsung untuk memahami nukleasi dan pengulangan gempa bumi di Sesar San Andreas—satu kawasan kritikal untuk penilaian bahaya seismik .
Potensi Operasi Masa Nyata
Oleh kerana DeepStrain boleh digunakan pada data borehole strainmeter berterusan, ia menawarkan alat untuk pengesanan hampir masa nyata bagi ubah bentuk sementara yang mungkin mendahului gempa bumi yang lebih besar. Rangkaian NOTA sudah mengekalkan infrastruktur strainmeter yang diperlukan dan menyediakan data serta alat pemprosesan kepada komuniti penyelidikan . Ini boleh mengubah cara sistem amaran awal gempa bumi menggabungkan data geodetik.
Preseden AI yang Lebih Luas dalam Geofizik
Kerja ini menyertai bukti yang semakin meningkat bahawa pembelajaran mendalam boleh mengekstrak isyarat geofizik yang tidak kelihatan oleh kaedah tradisional. Pendekatan serupa—seperti CNN untuk pengesanan gementar di Cascadia dan pembelajaran mendalam untuk pengenalan LFE di Sesar San Andreas—telah menunjukkan bahawa AI boleh bertindak sebagai "pengganda daya" untuk rangkaian pemantauan sedia ada . DeepStrain membuktikan bahawa prinsip yang sama digunakan pada data borehole strainmeter, sejenis penderia utama untuk mengesan gelinciran sementara di akar dalam sesar.
Kaveat dan Soalan Terbuka
Butiran seni bina tepat DeepStrain (sama ada ia menggunakan rekaan berasaskan konvolusi, rekursif, atau transformer) tidak diperincikan dalam ringkasan yang tersedia untuk umum. Butiran metodologi penuh terdapat dalam kertas Nature Communications (doi: 10.1038/s41467-026-74095-9) . Selain itu, algoritma setakat ini hanya disahkan pada segmen Parkfield; prestasinya di zon sesar lain dengan konfigurasi strainmeter dan ciri hingar yang berbeza masih perlu diuji.
seismo.berkeley.eduBSL Research into the Dynamic Earth
pubs.usgs.govGeodetic measurements of slow slip events southeast of Parkfield ...
central.scec.orgGeodetic Measurements of Slow Slip and Tremor in Parkfield, CA
zenodo.orgZahraZali/DeepStrain: Initial release of ...
ncbi.nlm.nih.govLinking the scaling of tremor and slow slip near Parkfield, CA
