科技日報合肥4月24日電（記者吳長鋒）24日，記者從(cong) 中國科學技術大學了解到，該校李澤峰研究員利用機器學習(xi) 方法，總結了全球3000多個(ge) 5.5級以上地震的震源時間函數特征，全景式地展示全球地震破裂過程的相似性和多樣性，深化了對地震能量釋放模式的認識，對地震早期預警具有啟示意義(yi) 。研究成果日前發表在國際知名地學期刊《地球物理研究快報》上。

　　地震是人類社會(hui) 麵臨(lin) 的重要自然災害之一，近20年來全球中大地震已經造成近100萬(wan) 人傷(shang) 亡，經濟損失不計其數。地震破裂過程多種多樣，客觀衡量它們(men) 的相似性和差異性，有助於(yu) 認識地震物理過程和地震震級的早期預測。然而，前人研究或是疊加多個(ge) 地震的平均破裂過程，無法衡量全球地震差異範圍，或是基於(yu) 某些破裂特征的統計，無法做到整個(ge) 破裂過程的係統比較。

　　李澤峰研究員利用深度學習(xi) 中的變分自編碼器對全球3000多個(ge) 中大型地震的震源時間函數進行二維空間壓縮和模型重構，全景式地展示了全球地震矩釋放模式和數量分布。研究發現，中大地震以簡單破裂為(wei) 主，複雜破裂較少，並且揭示了兩(liang) 類特殊地震的分布規律，即能量釋放集中在破裂後期的逃逸模式以及分多次能量釋放的複雜地震，發現大地震能量釋放模式具有弱震級依賴性，對地震早期預警中最終震級的可預測性提供了有益啟示。

　　該研究成果是繼該團隊與(yu) 哈佛大學合作研究的震源時間函數聚類方法的發展，也是團隊近年來致力於(yu) 將人工智能應用於(yu) 科學發現係列研究成果之一。