Глубокое обучение заглянуло в недра Сан-Андреаса: алгоритм DeepStrain нашел десятки пропущенных медленных землетрясений

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.