近日，南方科技大学风险分析预测与管控研究院联席院长、讲席教授Didier Sornette与合作者在国际权威期刊、中科院1区top期刊Earth-Science Reviews（地球科学综述）上发表重要综述论文“Integrating artificial intelligence and geophysical insights for earthquake forecasting: A cross-disciplinary review”。该研究指出，人工智能（AI）与地球物理学的深度融合，可能为地震预测带来真正的突破。

地震预测一直是地球科学领域最具挑战性的课题之一。尽管经过数十年的研究，传统基于地震与地质力学数据的预测模型仍难以提供可靠且具有行动指导意义的短临预报。AI，尤其是深度学习技术，擅长从海量复杂数据中识别隐藏模式。这正是整合地震信号与地球物理、地球化学甚至大气异常前兆所必需的能力。然而，若没有物理知识的约束，仅靠AI设计模型很容易过度简化现实，导致预测结果缺乏可靠性。真正的潜力在于实现“AI + 领域知识”的双轨融合。

传统的地震预测模型多依赖地震目录与地质力学数据，忽略了大量地球物理前兆信息（如电磁、电离层、气体释放等）。AI技术能够高效处理多源、高维、非线性数据，极大扩展了预测的信息基础。然而，单纯依靠数据驱动的AI模型容易过度拟合，或陷入“黑箱”困境。本研究指出，必须在模型结构、损失函数与评估标准中嵌入地球物理先验知识，以此提升模型的可解释性与外推能力。

地震事件具有极强的时空聚类性和样本不均衡性。文章系统提出了针对此类数据的损失函数设计原则与评估方案，避免模型被大量“无震样本”所主导。同时，研究强调，必须将AI模型与当前最优地震预测模型（如ETAS模型）进行系统对比，确保性能的提升并非源于过拟合或评估偏差。

该研究还表明，地震预测与金融市场预测存在深层次的相似性：正如地壳应力在震前悄然积累一样，金融市场中的投机泡沫也在崩溃前隐秘地积聚张力。在这两个领域，成功预测的关键都在于将数据驱动的AI与对系统结构的深刻理解相结合。

这项研究不仅为地震预测提供了全新的方法论框架，也为我们理解复杂系统的临界行为提供了跨学科的视角。未来，可通过融合AI与物理机制的研究范式，在自然灾害预警、金融风险控制等多个领域发挥重要作用。

南方科技大学风险分析预测与管控研究院Didier Sornette教授为本文唯一通讯作者，南方科技大学为论文唯一通讯单位。该研究得到了国家自然科学基金项目和南方科技大学等资助和支持。

论文链接：https://www.sciencedirect.com/science/article/pii/S001282522500193X

供稿：前沿与交叉科学研究院

通讯员：王楷茹

主图：丘妍

编辑：任奕霏