机器学习预测地震，模拟地震能够被预测

近日，美国墨西哥州洛斯阿拉莫斯国家实验室新与剑桥大学、波士顿大学共同进行了一项实验，该实验用机器学习实验中的数据集，成功识别震前信息并准确预测了模拟地震。

该研究负责人Bertrand Rouet Leduc曾于2013-2017年在剑桥大学攻读材料科学博士学位，现为洛斯阿拉莫斯国家实验室研究员，致力于机器学习、材料科学方面的研究。他在进行这项研究的时候还是剑桥大学的博士生，随着测量工具，到机器算法、计算机运算能力、大数据处理能力等方面技术快速发展，计算机发现了一种特殊的声音信号，这种信号之前被地质学家误认为是模拟地震中的杂音，而Bertrand和他的团队却不这么想，而是开始查找地震即将发生时可靠的信号模式。

该实验通过在积木的接触面上加入一些叫“断层泥”的岩石混合物来模拟真实断层，然后拉扯一个被夹在两块积木中间的积木来模拟地震。地震即将发生时，“断层泥”就会开始掉落，并伴随着断切发出一种特殊的声音信号，随后那块积木就会滑落。实验室将模拟断层发生的声音记录输入到机器算法中，使其在大量的数据中不断训练，获取规律，然后对它预测实验室模拟地震的有效性进行验证。研究数据显示，在一次模拟地震后，系统便能预测出下一次地震颤动的时间，准确性误差不超过10%，模拟断层断裂时，算法误差不超过2.5%。以平均十秒的周期来看，在断裂前2秒，算法可以在1.9-2.1秒之间做出预测。预测是基于声信号的顺时物理特性，而不是历史数据。

然而要将实验运用到真实的地震中去还为时过早。因为实验室不能模拟所有复杂的物理现象，且在真实环境任何噪音都会对实验结果造成影响，断切压力的震级和断切的岩石的温度跟现实地震也不同。这与“中有都柱，傍行八道， 施关发机 ”望其项背，但该技术为预测地震提供了新的探索方向，我们相信未来人类预测地震将不再是难题。