NVIDIA 发布 Earth AI 地球科学平台

这篇 NVIDIA 博客发表于 2025 年 2 月 6 日，介绍 Los Alamos National Laboratory 的 Earth and environmental sciences 团队把 Meta 推出的语音识别模型 Wav2Vec-2.0 改造去解读地震信号的工作。Christopher Johnson、Kun Wang、Paul Johnson 等人发现，从信号处理的视角看，地震波形与音频波形其实共享许多分析技术，因此为人类语音设计的自监督模型在抓取连续时序信号的复杂模式上同样适用。研究发表在 Nature Communications。

团队选取 2018 年夏威夷 Kīlauea 火山口塌陷事件的连续地震数据做训练与微调。这次塌陷在三个月内引发一系列地震，提供了密集且自然发生的样本。Wav2Vec-2.0 不需要人工标注，直接从原始波形中自监督学习；NVIDIA GPU 在波形数据并行处理上承担加速工作。模型把地震波形映射到实时地面运动，相比传统的 gradient-boosted trees 等方法更擅长应对地震信号那种连续、不可预测的特性。研究显示断层在滑移前会发出可被 AI 识别的特定信号模式，类似于语音里的音素。

这条研究路径目前还停留在「实时追踪断层移动」这一层，对未来形变的预测尝试结果不够明朗。Johnson 表示，要把方法推到真实世界的地震预测，需要扩展训练数据，纳入更多地震台网的连续记录，覆盖更多自然与人为信号，同时引入物理约束辅助模型推理。日本、土耳其、加州过去五年的地震造成数百亿美元损失并迫使数百万人流离，这类研究若能成熟，意义不止在科学层面。