// SCINEXX — SPAZIO & SCIENZA
KI hat mit Erdbebendaten sechs Streuzonen tief im Erdmantel identifiziert
Millionen Erdbebenaufzeichnungen enthalten schwache Signale aus fast 2.900 Kilometern Tiefe, die bisher nur mühsam erkannt wurden. Ein Deep-Learning-Verfahren hat nun 174.929 PKP-Vorläufer herausgefiltert und damit sechs bislang kaum erfasste Regionen mit hoher Streuwahrscheinlichkeit an der Kern-Mantel-Grenze sichtbar gemacht. Die Karten liefern jedoch Wahrscheinlichkeitszonen und keine exakten Umrisse verborgener Körper.
Peking (China). Rund 2.900 Kilometer unter der Erdoberfläche trifft der feste Erdmantel auf den flüssigen äußeren Erdkern. An dieser Kern-Mantel-Grenze liegen große und kleine Bereiche mit abweichenden seismischen Eigenschaften. Gerade die kleinräumigen Strukturen sind schwer zu erfassen, weil die übliche seismische Tomografie dort nur begrenzte Auflösung erreicht. Hinweise liefern sogenannte PKP-Vorläufer, schwache P-Wellen, die an Unregelmäßigkeiten nahe der Grenzschicht gestreut werden und vor einer stärkeren Kernphase an Messstationen eintreffen.
Forscher des Institute of Geology and Geophysics, Chinese Academy of Sciences (IGGCAS) um Prof. Juan Li haben nun mehr als zwei Millionen vertikale Seismogramme aus den Jahren 1990 bis 2024 automatisiert ausgewertet. Die Daten stammen von 4.859 starken Fernbeben mit Magnituden zwischen 6,0 und 8,8. Das Team kombinierte dafür ein überwachtes neuronales Netzwerk aus Faltungs- und rekurrenten Komponenten mit wiederholter manueller Kontrolle und Nachschulung.
Das Verfahren prüft zunächst die Qualität einer Wellenform, sucht anschließend nach einem PKP-Vorläufer und bestimmt danach relevante Einsatzzeiten. Nach zwei Runden der Mensch-Maschine-Optimierung erreichte die Qualitätsklassifikation eine Genauigkeit von 98,37 Prozent, die Erkennung der Vorläufer 96,15 Prozent. Insgesamt identifizierte das System 174.929 hochwertige PKP-Vorläufer. Damit umfasst der neue Katalog DeepScatter-PKP ungefähr eine Größenordnung mehr Beobachtungen als frühere globale Datensätze.
Die große Zahl an Signalen allein verrät allerdings noch nicht, wo sich ein Streukörper tatsächlich befindet. Deshalb kombinierten die Forscher zwei Wahrscheinlichkeiten. Die Auftretenswahrscheinlichkeit Pocc beschreibt, wie stabil Vorläufersignale in einer Region beobachtet werden. Die Ortswahrscheinlichkeit Pscat wird aus kohärenten Signalen kleiner seismischer Arrays abgeleitet und grenzt ein, wo lokale starke Streuer wahrscheinlich liegen. Ein hoher Pocc-Wert bedeutet dabei nicht automatisch besonders starke Streuung, und auch Pscat liefert keine exakte Position.
Mit dem stark erweiterten Katalog verbinden sich zuvor isolierte Beobachtungsflecken teilweise zu breiten, zusammenhängenden Zonen. Besonders hohe Streuwahrscheinlichkeiten fanden die Forscher in sechs bisher unzureichend erfassten Gebieten. Sie liegen im östlichen Nordatlantik bis nach Mitteleuropa, in hohen Breiten Nordeurasiens, in einem Band vom nordwestlichen Pazifik bis Alaska, im südlichen Afrika und an dessen Ostrand, im südöstlichen Südatlantik sowie rund um die Antarktis.
Auch in bereits besser untersuchten Regionen verdichtet der neue Datensatz das Bild. Im Übergangsraum vom asiatischen Binnenland über Ostasien bis in den westlichen Pazifik stieg die mittlere Probendichte gegenüber früheren Arbeiten um mehr als das Zwölffache. Die räumliche Abdeckung nahm dort von weniger als zehn Prozent auf 50,5 Prozent zu. Ein Vergleich mit unabhängigen seismischen Phasen zeigte zudem, dass mehrere Bereiche hoher Streuwahrscheinlichkeit räumlich mit bekannten Ultra-Low-Velocity Zones übereinstimmen, also Zonen mit ungewöhnlich niedrigen Wellengeschwindigkeiten nahe der Kern-Mantel-Grenze.
Die neuen Karten sind deshalb keine direkte Abbildung von sechs klar umrissenen Körpern. Ein einzelnes Seismogramm kann den Streuer nicht eindeutig orten, weil sowohl auf der Erdbebenseite als auch auf der Stationsseite Streuung entstehen kann. Zudem sind Erdbeben und Messstationen weltweit ungleich verteilt. So konzentrieren sich hohe Pscat-Werte besonders