System uczenia głębokiego przeszukał ponad 2 miliony zapisów fal sejsmicznych z lat 1990-2024 i wyłowił z nich 174 929 sygnałów zwanych prekursorami PKP, mniej więcej dziesięć razy więcej niż wszystkie wcześniejsze globalne zbiory razem wzięte. Na tej podstawie zespół Yurui Guana z Instytutu Geologii i Geofizyki Chińskiej Akademii Nauk zbudował najgęstszą jak dotąd mapę rozpraszania fal na granicy jądra i płaszcza Ziemi, na głębokości około 2900 km, i wskazał sześć wcześniej nieopisanych stref silnych niejednorodności.
- System uczenia głębokiego opracowany przez zespół Yurui Guana z Instytutu Geologii i Geofizyki Chińskiej Akademii Nauk przeanalizował ponad 2 miliony zapisów fal sejsmicznych z lat 1990–2024 i wykrył 174 929 sygnałów zwanych prekursorami PKP – około dziesięć razy więcej niż wszystkie wcześniejsze globalne zbiory razem wzięte.
- Na podstawie zebranych danych zidentyfikowano sześć wcześniej nieopisanych stref silnych niejednorodności (oznaczonych jako B1–B6) na granicy jądra i płaszcza Ziemi, zlokalizowanych pod Atlantykiem Północnym, północną Eurazją, Atlantykiem Południowym, południową Afryką, Pacyfikiem oraz rejonem Antarktydy.
- Autorzy zastrzegają, że wyniki mają formę map prawdopodobieństwa wskazujących rejony rozpraszania, a nie dokładnych konturów ukrytych struktur, a nierównomierne rozmieszczenie trzęsień ziemi i stacji sejsmicznych sprawia, że duże obszary oceanów pozostają słabo próbkowane.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Model przeanalizował ponad 2 mln przebiegów falowych z trzęsień o magnitudzie Mw 6,0 i większej
Praca ukazała się w recenzowanym czasopiśmie Journal of Geophysical Research: Solid Earth wydawanym przez American Geophysical Union (DOI 10.1029/2025JB033195). Autorzy połączyli nadzorowane uczenie głębokie z ręczną weryfikacją próbek: model najpierw odsiewał zapisy złej jakości, a potem rozstrzygał, czy dany przebieg zawiera prekursor PKP. Zespół wielokrotnie sprawdzał i poprawiał wyniki ręcznie, żeby dostroić system.
Materiałem wejściowym były pionowe składowe zapisów z trzęsień ziemi o magnitudzie Mw 6,0 i większej, zarejestrowanych na całym świecie w latach 1990-2024. Efektem są dwie mapy prawdopodobieństwa: jedna pokazuje, jak konsekwentnie prekursory pojawiają się w danym miejscu, druga wskazuje, gdzie najprawdopodobniej znajdują się silne rozpraszacze.
Prekursory PKP to słabe fale, które przez pół wieku wyławiano ręcznie
Prekursory PKP to bardzo słabe sygnały docierające do sejsmometru kilka sekund przed główną falą PKIKP, która przechodzi przez ciekłe jądro zewnętrzne i stałe jądro wewnętrzne. Powstają, gdy energia sejsmiczna rozprasza się na drobnych strukturach przy granicy jądra i płaszcza. Hipotezę rozpraszania jako wyjaśnienie tych sygnałów opublikowali w 1972 roku w Nature Jack Cleary i Robert Haddon.
Problem polega na tym, że sygnał jest słaby, tonie w szumie, a ocena, czy to rzeczywiście prekursor, bywa subiektywna. Ręczne przeglądanie milionów sejsmogramów jest w praktyce niewykonalne. Dlatego przez dekady globalne katalogi prekursorów PKP liczyły najwyżej kilkanaście tysięcy pozycji.
Uczenie maszynowe weszło do tego obszaru niedawno. W 2025 roku w Geophysical Research Letters opisano model GraphCursor, wielostacyjną grafową sieć neuronową, która automatycznie wyszukiwała prekursory PKP w globalnych zapisach z lat 2000-2024 i wskazała między innymi rozpraszacze pod Antarktydą, czyli w rejonie rzadko badanym we wcześniejszych analizach. Tamto podejście opierało się jednak mocno na gęstych sieciach stacji sejsmicznych, co ograniczało zasięg geograficzny.
Opisz krótko, czego potrzebujesz. Jesteśmy największym HUB-em AI w Polsce — w naszej bazie znajdziesz blisko 500 zweryfikowanych firm specjalizujących się w AI. W Twoim imieniu poprosimy 3-5 dopasowanych wykonawców o kontakt w ciągu 48 godzin.
Sześć pasów: od Atlantyku Północnego po okolice Antarktydy
Rozszerzony zbiór danych zmienił obraz dna płaszcza. Wcześniejsze mapy pokazywały pojedyncze, rozproszone plamy, sprawiające wrażenie przypadkowych. Po połączeniu blisko 175 tysięcy obserwacji część tych plam ułożyła się w szerokie, ciągłe pasy.
Zespół wskazał sześć obszarów o wysokim prawdopodobieństwie silnego rozpraszania, oznaczonych w pracy jako B1-B6. Według opisu badania leżą one pod:
- Atlantykiem Północnym,
- północną Eurazją,
- Atlantykiem Południowym,
- południową Afryką,
- Pacyfikiem,
- rejonem Antarktydy.
Autorzy piszą wprost, że chodzi o „sześć obszarów, które prawdopodobnie kryją znaczące niejednorodności” / „six areas that likely host significant heterogeneities”, i traktują je jako priorytetowe cele dalszych badań wnętrza Ziemi.
Za wiarygodnością wyniku przemawia to, że część stref o najwyższym prawdopodobieństwie pokrywa się z niezależnie udokumentowanymi strefami ultraniskich prędkości (ULVZ, ultra-low velocity zones), czyli cienkimi warstwami tuż nad jądrem, w których fale sejsmiczne wyraźnie zwalniają.
Ten news łatwo przeczytać jako kolejną historię o AI, która „odkryła” coś w Ziemi. Uważam, że ciekawsze jest tu coś innego. Model nie wygenerował nowej wiedzy z niczego. Wydobył ją z archiwów, które sejsmolodzy budowali cierpliwie przez trzydzieści kilka lat, udostępniając surowe zapisy w otwartych repozytoriach. Bez tej infrastruktury nie byłoby czego przeszukiwać.
Druga rzecz, o której warto pamiętać przy lekturze nagłówków: autorzy nie narysowali konturów sześciu struktur. Narysowali mapy prawdopodobieństwa. To różnica, która w popularnych opisach znika pierwsza, a jest fundamentem uczciwej interpretacji tego wyniku.
I pytanie, które zostaje otwarte. Jeśli sieć neuronowa potrafi wyłowić 175 tysięcy sygnałów, które wcześniej były niewidoczne, to ile jeszcze innych faz sejsmicznych czeka w tych samych plikach na podobne przeszukanie? Podejrzewam, że sporo, i że najbliższe lata w geofizyce będą polegały głównie na ponownym czytaniu starych danych.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Autorzy łączą znaleziska ze starymi płytami tektonicznymi, segregacją chemiczną i topnieniem
Interpretacja pochodzenia tych struktur pozostaje ostrożna. Badacze wskazują, że układ znalezionych niejednorodności sugeruje mieszankę trzech procesów: dawnych płyt oceanicznych wciągniętych w głąb planety podczas subdukcji, segregacji chemicznej materiału w najniższym płaszczu oraz lokalnego topnienia.
Granica jądra i płaszcza ma znaczenie wykraczające poza samą sejsmologię. Steruje przepływem ciepła z jądra, wpływa na cyrkulację w płaszczu i na powstawanie pióropuszy płaszcza zasilających wulkanizm. Znane od dawna wielkie prowincje niskich prędkości fal poprzecznych pod Afryką i Pacyfikiem do dziś dzielą badaczy modelujących dynamikę wnętrza Ziemi.
Autorzy sami wyliczają ograniczenia swojej mapy
Praca zawiera jasno postawione zastrzeżenia. Mapy pokazują prawdopodobne rejony rozpraszania, a nie dokładne kształty ukrytych struktur. Pojedyncza stacja sejsmiczna nie pozwala precyzyjnie zlokalizować rozpraszacza na podstawie samego prekursora.
Pokrycie danymi jest też nierówne, bo ani trzęsienia ziemi, ani stacje sejsmiczne nie rozkładają się równomiernie na planecie. Duże obszary oceanów pozostają słabo próbkowane. Autorzy sugerują, że kolejnym krokiem powinno być połączenie nowego katalogu z innymi typami fal sejsmicznych oraz wykorzystanie gęstych sieci stacji do dokładniejszego namierzenia struktur.
Sam katalog ma rosnąć. W zakończeniu pracy zespół pisze, że w miarę jego rozbudowy wysokorozdzielcze pokrycie czasowe i przestrzenne pozwoli badać zmienność niejednorodności na granicy jądra i płaszcza oraz dopracować modele struktury najniższego płaszcza.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Polskie stacje sejsmiczne zasilają archiwa, z których korzystają takie analizy
Polska leży na obszarze o niewielkiej naturalnej aktywności sejsmicznej, ale prowadzi własną sieć obserwacyjną, której dane trafiają do międzynarodowego obiegu. Polska Sieć Sejsmologiczna (PLSN), prowadzona przez Zakład Sejsmologii Instytutu Geofizyki Polskiej Akademii Nauk, działa pod międzynarodowym kodem PL i opiera się na stacjach szerokopasmowych rozmieszczonych w kraju.
Zapisy z tych stacji są udostępniane przez europejskie archiwum danych sejsmicznych EIDA prowadzone w ramach konsorcjum ORFEUS. Stacja o kodzie OJC, ulokowana w Jaskini Koziarnia w Ojcowskim Parku Narodowym, rejestruje zjawiska sejsmiczne z całego świata i jej dane od lat uzupełniają obserwacje instytutów czeskich i słowackich. Do sieci należy również punkt obserwacyjny przy Polskiej Stacji Polarnej Hornsund na Spitsbergenie, jedynym całorocznym polskim obserwatorium w Arktyce, działającym od 1957 roku i zarządzanym przez IGF PAN.
Nie wiadomo, czy zapisy z polskich stacji weszły do zbioru przeanalizowanego przez zespół z Pekinu, bo praca nie podaje listy wykorzystanych sieci. Mechanizm jest jednak taki sam dla wszystkich uczestników systemu: im więcej otwartych, ustandaryzowanych zapisów w archiwach, tym większy materiał dla modeli przeszukujących dane wstecz. Sprawdziłem, jak wygląda geografia znalezionych pasów, i akurat dwa z nich, pod Atlantykiem Północnym i północną Eurazją, obejmują rejony, w których arktyczne stacje mają realne znaczenie dla pokrycia obserwacyjnego.
Dla polskiej geofizyki płynie z tego dość praktyczny wniosek. Wartość instytucji takiej jak IGF PAN nie sprowadza się do bieżącego monitoringu wstrząsów, tylko do utrzymywania ciągłości pomiarów przez dekady. To właśnie takie archiwa okazują się dziś surowcem dla systemów uczenia maszynowego.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz źródeł, w tym pracy naukowej Yurui Guana i współautorów „Global Distribution of PKP Precursors Derived From Three Decades of Seismic Data With Deep Learning” opublikowanej w Journal of Geophysical Research: Solid Earth (DOI 10.1029/2025JB033195) oraz omówienia badania opublikowanego przez Phys.org z dnia 06.09.2026.
Do weryfikacji szczegółów metodologicznych i wcześniejszych prac nad wykrywaniem prekursorów PKP wykorzystano również abstrakt konferencyjny zespołu przedstawiony na EGU General Assembly 2026 w Wiedniu (EGU26-4040), pracę Ma i współautorów o modelu GraphCursor w Geophysical Research Letters oraz opracowanie ScienceAlert.
Kontekst dotyczący polskiej infrastruktury sejsmologicznej opracowano na podstawie materiałów Instytutu Geofizyki Polskiej Akademii Nauk.
Cytat autorów badania został zweryfikowany z oryginalnym anglojęzycznym materiałem źródłowym.
Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl.
Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o katalogu prekursorów PKP i badaniach granicy jądra i płaszcza Ziemi.
