Большинство землетрясений заявляют о себе мощным толчком. Но глубоко под калифорнийским разломом Сан-Андреас, в районе Паркфилд, происходит иной, скрытый процесс — медленные подвижки (slow slip events, SSE). Они длятся от нескольких дней до недель и высвобождают энергию без каких-либо сейсмических колебаний. Теперь, благодаря алгоритму глубокого обучения DeepStrain, учёные выяснили, что такие «бесшумные» события происходят гораздо чаще, чем предполагалось, и играют роль спускового крючка для низкочастотных землетрясений (LFEs).
Почему так трудно заметить «тихое» скольжение?
Медленные подвижки — настоящая головоломка для геофизиков. Обычные GPS-станции, которые отслеживают движение земной коры, часто бессильны: скорости деформации от глубоких событий находятся ниже их порога чувствительности 
. Более точные инструменты — скважинные деформографы (borehole strainmeters, BSMs) — способны фиксировать изменения деформации на уровне нанострейн и улавливать признаки асейсмического крипа 
. Однако сигналы от коротких и слабых SSE теряются в шумах непрерывных временных рядов, и человеческий глаз часто пропускает их 
.
Как работает DeepStrain
Геофизик Захра Зали из Немецкого исследовательского центра геонаук (GFZ) в Потсдаме разработала DeepStrain — модель глубокого обучения, натренированную на данных скважинных деформографов, входящих в сеть NSF "Сеть Америк" (NOTA) 
. Алгоритм учится распознавать тонкие волновые паттерны медленных подвижек в зашумлённых данных. В августе 2025 года код и инструкции по предобработке были выложены в открытый доступ, чтобы другие исследователи могли применить метод на других разломах .
При проверке на данных из зоны Паркфилд DeepStrain показал впечатляющий результат: он обнаружил 90 % ранее зарегистрированных вручную SSE и, что ещё важнее, выявил 21 новый SSE, пропущенный при ручном анализе . Это увеличило известный каталог событий примерно на 30%, предоставив гораздо более полную картину поведения разлома.
Временная связь с низкочастотными землетрясениями
Самое значимое открытие ждало учёных при анализе последовательности событий. Данные показали, что медленные подвижки систематически предшествуют низкочастотным землетрясениям . Эта временная последовательность указывает на вероятный причинный механизм: асейсмическое медленное скольжение нагружает или запускает сейсмогенный участок, который затем порождает LFE.
Этот результат согласуется с предыдущими работами, которые показывали, что низкочастотные землетрясения и тремор в Паркфилде имеют одинаковое моментно-длительностное масштабирование с медленными подвижками, то есть физически связаны 
. LFE долгое время интерпретировались как сейсмические индикаторы окружающего асейсмического скольжения 
, но DeepStrain предоставил наиболее чёткие геодезические доказательства того, что индивидуальные медленные события предшествуют и, вероятно, запускают эти микро-землетрясения.
Что это значит для мониторинга разломов и роли ИИ в геофизике
Расширение возможностей обнаружения
DeepStrain доказывает, что ИИ способен извлекать геодезические сигналы, которые остаются невидимыми для GPS-сетей и ручного анализа данных деформографов. Расширенный каталог SSE позволяет проводить более полные статистические исследования поведения разлома, интервалов повторяемости и условий, которые приводят к крупным землетрясениям 
.
Причинно-следственная связь между асейсмическим и сейсмическим скольжением
Наблюдение, что SSE систематически опережают LFE, поддерживает модели, в которых медленное скольжение нагружает соседние участки разлома, потенциально приближая их к срыву. Это напрямую связано с пониманием процесса зарождения землетрясений на разломе Сан-Андреас — ключевом объекте для оценки сейсмической опасности в Калифорнии .
Потенциал для оперативного мониторинга в реальном времени
Поскольку DeepStrain может работать непрерывно с поступающим потоком данных скважинных деформографов, он предлагает инструмент для почти мгновенного обнаружения переходных деформаций, которые могут предшествовать более крупным землетрясениям. Сеть NOTA уже располагает необходимой инфраструктурой и предоставляет данные и инструменты для обработки исследовательскому сообществу . Это может кардинально изменить принцип работы систем раннего предупреждения, включив в их анализ геодезические данные.
Новый стандарт применения ИИ в геофизике
Данная работа продолжает серию успешных применений глубокого обучения — например, использование свёрточных нейронных сетей для обнаружения тремора в Каскадии или выявление LFE на Сан-Андреасе 
. DeepStrain показывает, что ИИ может служить «мультипликатором силы» для наблюдательных сетей, в данном случае — для скважинных деформографов, ключевого типа датчиков для регистрации переходного скольжения в глубинных корнях разломов.
Ограничения и открытые вопросы
Точная архитектура DeepStrain (свёрточная, рекуррентная или трансформерная) не раскрывается в доступных аннотациях. Полные методологические детали содержатся в статье Nature Communications (doi: 10.1038/s41467-026-74095-9) . Кроме того, алгоритм пока протестирован только на участке Паркфилд; его эффективность на других разломах с иной конфигурацией деформографов и уровнем шума ещё предстоит проверить.
