时延神经网络揭示实验声发射中不依赖压力的断层破裂过程

在破裂前倾听岩石

地震看似突如其来，但在断层突然滑动之前，地下深处会有无数微小裂缝形成并扩展。在实验室中，这些微型“岩石地震”会释放出可记录和分析的高频声波。本研究展示了一种简单的人工智能如何聆听这些声音，并发现一种普遍的三阶段断层生长模式——这种模式在很大程度上不受挤压岩石的围压影响——这是朝着更好理解大地震如何积累迈出的一步。

微裂纹如何讲述大故事

当一块完整的花岗岩被挤压直到失效时，它并不会瞬间粉碎。最初，岩体内部会出现分散的微小裂纹；随后这些裂纹开始组织化，最终连成穿通断层。每一处微观裂纹都会发出短促的声脉冲，称为声发射，携带着发生位置和波传播方式的信息。通过在样品周围用传感器记录数千个这类信号，研究者可以追踪损伤如何扩散、聚集并最终集中成一条模拟自然断层的单一断裂。

将岩石之声输入简洁的人工智能

为了解读这些声学“喧嚣”，作者使用了时延神经网络，这是一种精简的机器学习形式，适用于短时序数据。他们没有把所有可能的数值都丢进一个黑箱模型，而是精心挑选了少量具有明确物理含义的特征。其中一些描述了波在岩石中传播时的形态——例如波的散射强度或到达峰值所需的时间；另一些则总结了事件发生的时间与位置特征，如重复速率、大小分布以及源位置在空间上的聚集程度。这些特征共同提供了在加载过程中岩体内部结构演化的多维图景。

不同压力下断层生长表现相似

研究团队在四个花岗岩圆柱样品上进行了试验，围压从相对较低到中等偏高不等，这些条件会产生不同的可见破坏样式——从沿试样直裂到沿倾斜剪切面滑动。他们用声学特征作为输入训练网络以预测应力和应变（岩体的变形）随时间的变化，并始终留出一个压力条件作为验证集。尽管数据集较小，模型仍成功再现了各个压力和失效模式下应力与应变的积累与释放过程，包括失效时的主要应力降。这种交叉测试表明，跟踪断层发展的关键声学模式在很大程度上不依赖于围压的大小。

揭示的三个隐蔽阶段

由于时延网络相对简单，作者能够追踪模型在加载各阶段最依赖哪些特征。结果呈现出清晰的三阶段过程。在最早的“成核”阶段，当裂纹分散且相互孤立时，计数与规模相关的统计量占主导：声发射的发生频率及其幅度分布。随着加载进入“相互作用”阶段，事件空间聚集性的作用变得更重要，表明裂纹开始相互影响并形成网络。接近失效的“聚合”阶段，模型转而侧重于基于波形的度量，例如散射增加和峰值延迟的快速变化，这反映出介质高度破碎并沿新生断层引导波能量。

为何这在实验室之外也很重要

该研究表明，许多断层生长的方面——从分散裂纹到有组织的破裂——遵循一种通用模式，对于所研究的花岗岩而言，这种模式不太依赖于压力条件。如果能从野外的微震或主动地震勘测中提取到类似的声学特征，类似的框架或可用于识别天然断层所处的阶段，以及它是否正向聚合阶段转变。尽管要把厘米尺度的样品推广到地壳尺度断层存在挑战，这项工作展示了相对透明的机器学习工具如何桥接实验室观察与实际监测，为以更具物理依据的方式去倾听那些潜在的、预示重大地震的微弱信号提供了可能。

引用: King, T., Vinciguerra, S.C. Time delay neural networks reveal pressure-independent fault rupture processes in laboratory acoustic emission. Commun Earth Environ 7, 338 (2026). https://doi.org/10.1038/s43247-025-03003-8

关键词: 地震前兆, 声发射, 断层力学, 地球科学中的机器学习, 岩石破裂实验