Слушая пульс Земли: нейросети прогнозируют землетрясения
Новый алгоритм для прогноза землетрясений предложили ученые Дальневосточного федерального университета при участии партнеров из КНР. Созданная компьютерная программа позволит точнее видеть строение земной коры, при этом она не требует огромных вычислительных ресурсов. Результаты представлены на конференции «Solar‑Terrestrial Relations and Physics of Earthquake Precursors».
Один из известных способов выявления предвестников землетрясения основан на прослушивании звука земных недр: повышенная тектоническая активность сопровождается характерными звуками – геоакустической эмиссией. Это явление возникает из‑за того, что породы под землей накапливают колоссальные тектонические напряжения.
Ученые Дальневосточного федерального университета (ДВФУ) совместно с китайскими коллегами представили технологию, которая балансирует на грани научной фантастики и суровой геофизики.
Они разработали нейросетевой метод анализа акустических сигналов земной коры. Алгоритм считывает геоакустическую эмиссию – звуковые колебания, рождающиеся при накоплении напряжений в горных породах. Более того, он использует привычные техногенные вибрации как дополнительную «подсветку» недр.
Физика на страже ИИ: конец «черного ящика»
Главная инновация разработки кроется не в объеме данных, а в их качестве и осмысленности. В основе лежат физически информированные нейронные сети (PINN) и архитектура Kolmogorov–Arnold Networks (KAN). Если обычный ИИ это «черный ящик», который ищет паттерны в миллионах цифр, то новый алгоритм «знает» законы физики. Он понимает, как волны распространяются в горных породах.
Благодаря этому математические модели компенсируют нехватку полевых наблюдений. Результат – детальные двумерные и трехмерные модели земной коры, для построения которых требуются сравнительно скромные вычислительные мощности.
Утверждать, что нейросеть уже завтра начнет рассылать пуш-уведомления о точном времени и месте землетрясений, преждевременно. Разработка пока находится на стадии численных экспериментов. Российские сейсмологи резонно замечают: для точных прогнозов катастроф не хватает длительных рядов наблюдений и качественных массивов данных.
Однако практическая ценность метода от этого не снижается. Его главное предназначение – не предсказание будущего, а идеальный «рентген» настоящего. Точное построение 3D-карт недр востребовано там, где цена ошибки измеряется миллиардами рублей или человеческими жизнями.
От нефтедобычи до атомных станций
На внутреннем рынке технология идеально ложится на задачи геологоразведки. Поиск нефти, газа, рудных ископаемых и даже кимберлитовых трубок в Якутии – все это требует глубокого понимания структуры недр. Российские нефтегазовые гиганты уже активно внедряют ИИ для ускорения анализа геофизических данных, и опыт ДВФУ отлично вписывается в этот тренд.
Второе важнейшее направление – инженерные изыскания. Перед строительством атомных станций, мостов, тоннелей или гидротехнических сооружений необходимо исключить наличие скрытых разломов и неоднородностей грунта. Алгоритм способен стать цифровым щитом, снижающим риски при проектировании в сложных районах.
Мировая гонка за предсказание стихии
В 2024 году алгоритм Техасского университета в Китае спрогнозировал 70% землетрясений за неделю до события, но допустил ряд ложных тревог. Это доказало потенциал ИИ, но и его ограничения.
В России к 2025 году сформировался научный консенсус: специалисты подчеркивают, что универсальной нейросети для всей страны не существует. Алгоритмы нужно тонко настраивать под тектонику Сибири, Дальнего Востока или Кавказа. ИИ не заменит комплексный мониторинг, но сделает его в разы эффективнее.
Инструмент, а не оракул
Для России, с ее сейсмоопасными территориями – Дальним Востоком, Камчаткой, Курилами и Байкальской рифтовой зоной – эта технология – вопрос национальной безопасности. Но программное обеспечение может быть востребовано в сейсмоактивных регионах Азии, на Ближнем Востоке и в Латинской Америке. Выгодной особенностью российской разработки становится ее «нетребовательность». Если низкие вычислительные затраты подтвердятся в поле, систему можно будет ставить не только в суперкомпьютерных центрах, но и на удаленных станциях мониторинга с базовым «железом».
Проект ДВФУ – пример зрелого подхода к искусственному интеллекту. Мы отходим от хайпа вокруг «всемогущих» нейросетей к созданию гибридных систем, где машинное обучение работает в связке с фундаментальной физикой.
В среднесрочной перспективе алгоритм станет незаменимым помощником в геологоразведке и строительстве. Но не сможет выступать в роли оракула, способного точно предсказать тектонические катастрофы: стихия требует долгих лет наблюдений и комплексного научного подхода.
