中国科学技术大学李泽峰研究员利用机器学习方法，总结了全球3000多个5.5级以上地震的震源时间函数特征，全景式地展示全球地震破裂过程的相似性和多样性，深化了对地震能量释放模式的认识，对地震早期预警具有启示意义。该成果以“A generic model of global earthquake rupture
characteristics revealed by machine learning”发表在国际知名地学期刊《Geophysical Research Letters》，李泽峰研究员为本文的唯一作者。
地震是对人类社会面对的重要自然灾害之一，近20年来全球中大地震已经造成全球超过近100万人伤亡，经济损失不计其数。地震破裂过程多种多样，客观衡量它们的相似性和差异性，有助于认识地震物理过程和地震震级的早期预测。然而，前人研究或是叠加多个地震的平均破裂过程，无法衡量全球地震差异范围，或是基于某些破裂特征的统计，无法做到整个破裂过程的系统比较。
图1：全球地震震源时间函数在变分自编码器隐式空间的分布（a）和重构的全球地震破裂模式流形（manifold）（b）。
李泽峰研究员利用深度学习中的变分自编码器(Variational Autoencoder)对全球3000多个中大型地震的震源时间函数进行二维空间压缩和模型重构，全景式地展示了全球地震矩释放模式和数量分布（图1）。研究发现中大地震以简单破裂为主，复杂破裂较少，并且揭示了两类特殊地震的分布规律，即能量释放集中在破裂后期的逃逸模式以及分多次能量释放的复杂地震，发现大地震能量释放模式具有弱震级依赖性，对地震早期预警中最终震级的可预测性提供了有益启示。本研究是继2021年李泽峰团队和哈佛大学合作研究的震源时间函数聚类方法的发展，也是团队近年来致力于将人工智能应用于科学发现（AI for Science）系列研究成果之一。
论文链接：
https://agupubs.onlinelibrary.wiley.com/doi/abs/10.1029/2021GL096464