2017 年 9 月，墨西哥城发生 8.2 级地震之前约两分钟，警报开始响起，提醒当地居民地震即将来临。

这种警报现在在美国、日本、土耳其、意大利和罗马尼亚等国都有，它改变了我们对地震威胁的认识。

地震预警系统可以通过手机发出警报，或者在具备潜在破坏性的地震开始后三到五秒向受灾地区发送响亮的信号。

首先，靠近断层的地震仪会检测到地震的出现，并通过特殊算法估算震级的大小。

如果是中等或较大规模的地震，警报传播速度会比地震本身更快，因此可以在提前几秒到几分钟的时间里通知人们。

这个时间窗口至关重要：在这些看似短暂的时刻，人们可以切断电力和天然气管道，将消防车开上街道，并找到安全的地方。

但这些系统有局限性，误报时有出现。更重要的是，它们只对已经出现的地震做出反应，所以我们无法像预测天气那样预测地震。

许多地震易发地区会一直处于“忐忑不安”的状态。一个正确的预测可以让我们做更多的风险管理工作，包括关闭电网和疏散居民。

2013 年，当我开始攻读地震学博士学位时，地震预测这个话题被认为是不严肃的，就像寻找尼斯湖水怪一样不属于主流研究领域。

但仅仅七年后，情况就发生了很大变化。当我在 2020 年开始第二次博士后研究时，我观察到该领域的科学家对地震预测这一概念变得更加开放。

当时，我参与的项目“大地构造（Tectonic）”正在使用机器学习来推进地震预测的发展。欧洲研究委员会充分相信其潜力，于是向该项目提供了一笔为期四年、价值 340 万欧元的补助。

（来源：AI生成）

如今，许多备受尊敬的科学家正在认真对待地震预测的前景，并在各自的分支学科中取得进展。

一些人正在研究沿着断层线的一种“慢地震”活动，它可能是一个有用的指标，表明可怕的毁灭性地震即将出现。

其他人则希望从其他数据中，比如地震噪音、动物行为和电磁信号中找出线索，探索在地震开始之前发出警告的可能性。

地震物理学似乎特别不透明。天文学家可以观测星星，生物学家可以观察动物。但我们这些研究地震的人看不到地下，至少不能直接看到。

相反，我们使用“替代品”来了解地壳震动时地球内部会发生什么。

地震学，旨在研究地球内部运动产生的震波；大地测量学，旨在应用 GPS（Global Positioning System，全球定位系统）等工具来测量地球表面如何随时间变化；古地震学，旨在研究隐藏在地质层中的曾经的地震痕迹。

还有很多我们还不知道的东西。在 20 世纪 60 年代，板块构造理论被广泛接受几十年后，我们对地震成因的理解还远未超出“应力累积到临界阈值”的想法。其思路是，在积累到临界阈值时，应力会通过地震进行释放。

不同的因素会使断层更容易达到阈值。例如，流体对其影响巨大：在过去十年中，石油和天然气生产过程中产生的废水被注入地下后，导致了美国中部的构造活动大幅增加。

但是如果想了解特定断层线上发生了什么时，人类对此基本一无所知。我们可以通过使用地震波和绘制地震位置来构建断层的近似图，但我们无法直接测量断层所经历的应力，也无法量化地面移动超过的阈值。

长期以来，人类在预测方面所能做的最好的事情，就是了解特定地区地震发生的频率。例如，上一次破坏美国加州南部整个圣安德烈斯断层的地震发生在 1857 年。

据估计，那里出现大地震的平均间隔在 100 到 180 年。根据粗略的计算，地震可能已经“逾期”了。但正如估算范围所显示的那样，地震再次袭来的间隔变化可能很大，也可能具有误导性。

我们的样本量仅限于人类的历史范围，以及我们在地质记录中仍然可以查看到的范围。因此，地质记录只代表着地球历史上发生的地震的一小部分。

1985 年，科学家们开始在美国加州中部圣安德烈斯断层的帕克菲尔德段，安装地震仪和其他地震监测设备。

与其他断层沿线的地震相比，该段有六次地震以异常的间隔发生，因此美国地质调查局（USGS，US Geological Survey）的科学家很有信心地预测，下一次类似震级的地震将在 1993 年之前发生。

这个实验在很大程度上被认为是失败的，因为地震直到 2004 年才发生（当然无论何时，我们都不希望地震发生）。

包括夏威夷在内的其他地方也注意到了类似震级的地震之间有规律的时间间隔，但其实它们都是例外，而不是规律。

更常见的情况是，地震再次出现的（预测）时间段往往伴随着较大误差。对于容易发生大地震的地区，其间隔可能在数百年左右，而误差也会跨越数百年。显然，这种预测方法远非精确的科学。

美国加州理工学院的地球物理学家、美国地质调查局的前高级科学家汤姆·希顿（Tom Heaton）对人类是否能够预测地震持怀疑态度。

他在很大程度上把它们视为随机过程，这意味着我们只能计算地震出现的概率，但我们不能准确地预测它们。

他说：“就物理学而言，这是一个混沌系统。”这背后的一切都与重要的证据有关，即证明地球的行为是有序的和有确定性的。但是，如果不了解地下发生的事情，就不可能凭直觉想出这种规律。

但是，随着科学家愈发理解地壳内部的事物，他们的工具也越来越先进，我们有理由期待他们的预测能力会提高。

考虑到我们几乎无法量化地球内部正在发生的事情，因此地震预测长期以来被认为是几乎不可能的。但在 21 世纪初，两项科研发现开启了这种可能性。

首先，地震学家在日本西南部的一个构造区发现一个奇怪的低振幅地震信号。它会持续数小时至数周，并且每隔一段时间就会发生。这与他们以往发现的任何东西都不一样，随后将其称之为构造性震颤。

与此同时，研究卡斯凯迪亚隐没带的地球学家发现了一些证据，证明部分地壳有时会缓慢地朝着与正常方向相反的方向移动。

这种现象被称为慢地震（slow slip event），发生在地壳的一个薄区域，该区域位于产生定期地震的区域下方。在那里，更高的温度和更高的压力，对岩石的行为及其相互作用的方式产生了更大的影响。

研究卡斯凯迪亚隐没带的科学家还观察到了在日本发现的相同类型的信号，并确定它与这些慢地震发生在同一时间、同一地点。因此，一种新型地震被发现了。

与常规地震一样，慢地震也会重新分布地壳中的应力，但它们可以发生在从几秒到几年的各种时间尺度上。在某些情况下，如在卡斯凯迪亚它们经常发生，但在其他地区它们则是孤立的事件。

科学家随后发现，在慢地震期间，发生常规地震的风险会增加，尤其是在隐没带。产生地震的断层部分会同时受到两种应力，规则板块运动和慢地震产生的不规则周期性反方向运动，其深度大于地震开始的深度。

这些难以捉摸的慢地震成为了我读博期间的研究课题，但就像研究工作中经常发生的情况一样，我并没有解决这个问题。直到今天，我们还不清楚是什么确切的机制推动了这种活动。

尽管如此，我们能通过慢地震来预测有规律的地震吗？自从它们被发现以来，几乎每一次大地震之后都有几篇论文表明，它出现之前曾有过一次慢地震。

2011 年日本出现 9 级地震之前，曾有两次慢地震出现。但也有例外。例如，尽管很多人尝试找到证据，但我们仍然不能证明 2004 年印度尼西亚苏门答腊地震之前出现过慢地震。那场地震造成了毁灭性的海啸，导致 20 多万人死亡。

更重要的是，慢地震之后并不一定会出现后续地震。目前，还不知道是否有什么东西，能区分哪些慢地震可能会导致后续地震、哪些不能导致后续地震。可能是在大地震发生前的几个小时里，断层沿线出现了某种独特的过程。

2022 年夏天，我的前同事昆汀·布莱特里（Quentin Bletery）和他的同事简·马修·劳克奎特（Jean Mathieu Nocquet）发表了对 90 次大地震前几个小时地壳变形数据的分析结果。

他们发现，在地震发生前的两个小时左右，断层沿线的地壳开始以更快的速度向地震破裂的方向变形。这个发现告诉我们的是，在地震运动之前，沿着断层出现了一个加速过程，有时和慢地震相似。

他说：“这确实支持了以前发生过一些事情的假设，所以我们有了一种解释方法。但实际上，我们在物理世界中无法预测，因为我们没有仪器。”

换言之，地震前兆可能是存在的，但我们目前无法很好地测量它们的存在，从而在地震发生前将其辨别出来。

布莱特里和劳克奎特使用传统的 GPS 数据统计分析进行了研究。这些数据可能超出我们传统模型和参考框架范围的信息。

总的来说，地震学家现在正以前所未有的方式应用机器学习。尽管现在还为时过早，但机器学习方法可以揭示隐藏的结构和因果关系，否则这些结构和因果关系看起来就是一堆混乱的数据。

地震研究人员已经以多种方式应用了机器学习。美国斯坦福大学的穆斯塔法·穆萨维（Mostafa Mousavi）和格雷戈里·贝罗萨（ Gregory Beroza），已经研究了如何将其用于单个地震站的地震数据来预测震级，这对预警系统非常有用，也可能有助于搞清楚决定地震规模的因素。

美国哈佛大学地球与行星科学教授布兰登·米德（Brendan Meade）则使用神经网络预测余震的位置。

加州理工学院的扎卡里·罗斯（Zachary Ross）等人正在使用深度学习从数据中提取地震波，即使环境中的噪声水平很高，这也可能让我们有能力检测到更多的地震。

在第一次博士后研究中，我认识了美国洛斯阿拉莫斯国家实验室的保罗·约翰逊（Paul Johnson），他既是我的导师，又是我的朋友。他正在应用机器学习来帮助理解实验室产生的地震数据。

有很多方法可以在实验室里制造地震。一种相对常见的方法是将岩石样本放在金属框架内，将其置于围压下，切割中心以模拟断层，再使用局部传感器测量样品变形时发生的情况。

2017 年，约翰逊实验室的一项研究表明，机器学习可以非常准确地预测实验室制造的断层需要多长时间才会开始震动。

与人类预测地震的许多方法不同，这一方法不使用历史数据，只依赖于断层的震动。重要的是，被研究人员视为是低振幅噪声的东西，其实是允许机器学习进行预测的信号。

在该领域，约翰逊的团队将这些发现应用于卡斯凯迪亚隐没带的地震数据，他们确定了一个来自隐没带的连续声学信号。该信号对应于断层在慢地震周期中移动的速度。

他说：“（机器学习）可以让你建立这些你从不知道的相关性。事实上，其中一些非常令人惊讶。”

机器学习还可以帮助我们创建更多的数据进行研究。贝罗萨、穆萨维和英国地质调查局的研究员玛格丽塔·塞古（Margarita Segou）认为，机器学习有助于创建更强大的已发生地震数据库，因为它在地震数据中识别出的地震数量可能是我们所知的 10 倍。他们的相关论文于 2021 年发表在 Nature Communications 。

这些改进的数据集可以帮助我们更好地了解地震。约翰逊说：“你知道，在我们这个社区里，有很多人持怀疑态度，这是有充分理由的。但我认为，这让我们能够看到和分析数据，并以我们从未想象过的方式意识到这些数据所包含的内容。”

虽然一些研究人员依赖于最新的技术，但其他人选择回顾历史，制定一些基于动物的、相当激进的研究。

在参加地球物理会议的 10 多年里，我收集了许多衬衫，其中一件上印有 namazu，这是一种巨大的神秘鲶鱼，日本人认为地震是它在地壳下游泳导致的。

这种生物是地震学的非官方吉祥物。1855 年日本江户大地震前，一名渔民记录到河里的鲶鱼出现了一些不寻常的活动。

在 1933 年发表在 Nature 上的一篇论文中，两位日本地震学家报告说，封闭玻璃缸里的鲶鱼在地震前会表现出越来越强烈的不安状态。据说，通过这种现象预测地震的准确率为 80%。

鲶鱼不是唯一有反应的动物。早在公元前 373 年的记录就显示，包括老鼠和蛇在内的许多物种在希腊一座城市被地震摧毁前几天就离开了那里。有报道指出，在 1906 年旧金山大地震之前，一些马在凌晨悲鸣，还有的马逃离了那里。

德国马克斯·普朗克动物行为研究所的研究主任马丁·维克尔斯基（Martin Wikelski）和他的同事一直在研究利用驯养动物的行为，来帮助预测地震的可能性。

2016 年和 2017 年，在意大利中部，该团队为狗、牛和羊安装了运动探测器。他们由此确定了动物活动的基准水平，并设定了一个表明有过激行为的阈值：在持续超过 45 分钟的时间内，运动相对于基准水平增加 140% 及以上。

他们发现，在 9 次 4 级以上地震中，这些动物有 8 次都提前变得焦躁不安，其中包括 2016 年的 6.6 级诺西亚地震。

而且没有出现假警报，动物没有出现过激行为时，则没有地震发生。他们还发现，动物离震源越近，它们看似惊慌失措的行为（就像警报一样）就会越提前出现。

维克尔斯基对这一现象有一个假设：“我对整个事情的看法是，原因可能是空气中的东西。我唯一能想到的就是空气中的电离（带电）粒子。”

电磁学并不是一个奇怪的理论。在多次地震期间或之前，包括 2008 年中国汶川地震、2009 年意大利阿奎拉地震、2017 年墨西哥城地震，甚至 2023 年 9 月摩洛哥地震，都观测到了类似极光的地震光现象。

美国国家航空航天局艾姆斯研究中心的科学家弗里德曼·弗罗因德（Friedemann Freund）几十年来一直在研究这些光，并将其归因于某些岩石（如辉长岩和玄武岩）中因断层运动而被激活的电荷。这就像在地毯上摩擦袜子，会“释放”出电子（静电）。

一些研究人员提出了不同的机制，而另一些研究人员则不认为地震光与地震有任何关系。

不幸的是，测量地壳或地表的电磁场并不简单。我们没有能够对大面积电磁场进行采样的仪器。如果事先不知道地震将发生在哪里，那么采样就是很困难甚至不可能的事情，因为我们不知道在哪里安装仪器。

目前，测量地下磁场的最有效方法，是在有持续地下水流的地方设置探头。科学家已经做了一些工作，比如在卫星数据中寻找由地震和地震前活动引起的电磁和电离层扰动，但研究仍处于非常早期的阶段。

一些科学界最大的范式转变，是在对潜在机制没有任何了解的情况下开始的。

例如，德国地质学家阿尔弗雷德·韦格纳（Alfred Wegener）在 1912 年提出了大陆漂移的观点，这是板块构造核心的基本现象。

他的理论主要基于非洲和南美洲海岸线匹配的观察结果，就好像它们能像拼图一样拼在一起。但它受到了许多争议。

他的发现缺少了现代科学精神所需的重要因素。直到 20 世纪 60 年代，在发现地壳被创造和破坏的证据后，板块构造理论才正式出现，并最终了解了这一现象的机制。

从观点提出到被证实的这些年里，越来越多的人从不同的角度看待这个问题。范式出现了转变，韦格纳推动了变革的车轮。

也许现在地震预报也发生了同样的变化。我们可能还需要几十年的时间，才能带着确定性来回顾这一时期的地震研究，并了解它在推进这一领域中发挥的作用。

但约翰逊等人对此充满希望。他说：“我确实认为这可能是某些东西的开始，就像板块构造革命一样，我们可能会看到类似的情况。”

支持：Ren

排版：罗以

01 / 中科大校友成功实现局域量子振荡，达成二维材料能带结构的精确重构，并可广泛用于其他物理体系

02 / 将神经形态引入量子传感，科学家研发新型视觉传感器，为超高灵敏度动态成像提供有力工具

03 / 科学家表征1000多个泛素连接酶，助力实现目标蛋白的精准降解，可对关键靶标进行特异性消除

04 / 科学家成功打造准空间堆积结构，将能指导可控纳米粒子的合成，为先进材料打开新世界

05 / 上海交大团队研发分子计算芯片，极限尺寸为50nm，成功探索近零功耗分子计算设备

机器学习助力创建地震数据库，所能识别的地震数量或为人类已知的10倍

01 / 中科大校友成功实现局域量子振荡，达成二维材料能带结构的精确重构，并可广泛用于其他物理体系

02 / 将神经形态引入量子传感，科学家研发新型视觉传感器，为超高灵敏度动态成像提供有力工具

03 / 科学家表征1000多个泛素连接酶，助力实现目标蛋白的精准降解，可对关键靶标进行特异性消除

05 / 上海交大团队研发分子计算芯片，极限尺寸为50nm，成功探索近零功耗分子计算设备