人工智能在地核—地幔边界发现六处此前未知的异常结构

在地下约 2900 公里处，缓慢流动的固态硅酸盐地幔与液态的铁镍外核相接，这条核—幔边界（CMB）是地球内部物理条件最极端、也最难直接观测的区域之一。一项新研究表明，机器学习如今能以人工方法无法企及的精细程度，读取这里的微小结构。

这项研究来自中国科学院地质与地球物理研究所。第一作者关玉瑞（Yurui Guan）与同事用深度学习分类器，对 1990 至 2024 年间全球记录到的约 5000 次 6.0 级以上地震、超过 200 万条地震波形记录进行训练，目标是一类极微弱的信号：PKP 前驱波。它是主 PKP 相位前几秒到达、被核—幔边界上方小尺度不均匀体散射而产生的弱震相；由于极易被噪声淹没，过去只能靠人工在小范围内逐条挑出。

真正让这项研究脱颖而出的，是其规模。系统共识别出 174,929 个 PKP 前驱波信号，约为此前所有全球前驱波目录总和的十倍。基于这一更大的样本，团队绘制出迄今最密集、空间覆盖最完整的全球核—幔边界散射图。过去稀疏数据只显示孤立的异常斑块，而新目录把其中许多斑块连成了沿地幔底部延展的连续条带。

在此之上，作者首次标出六个散射潜力尤其高的区域，此前文献中未见记载。相关报道将这些区域置于北大西洋、北欧亚大陆、南大西洋、南部非洲、太平洋以及南极洲周边之下。团队将它们编号为 B1 至 B6，并视为后续高分辨率成像的优先目标，而非已经完全成形的具体物体。需要准确措辞的是：这些图显示的是可能的散射区域，而非隐藏结构的精确轮廓，单个台站也无法独立确定散射体的位置。

在方法上，这一步既关乎发现也关乎流程。研究者将神经网络与迭代式“人在回路”校验结合：模型输出由人工反复核查、修正，再用于重训系统、压低误报；他们还提出双重概率框架，把前驱波出现的概率与强散射体所在位置的概率结合起来，从而把稳健的全球性模式从噪声中分离出来。

关于成分，研究保持谨慎。作者认为这些模式与热化学堆一致——由古老俯冲洋壳残片、化学分异和局部部分熔融混合而成，并可能与非洲和太平洋下方早已熟知的大型低剪切波速省相互作用。若干高概率散射区与独立地震相位已绘制的超低速带重叠，作者将其视为佐证。更激进的成因（如月球形成撞击的残留物质）仍属数据无法检验的推测。

作者也明确列出局限：地震台站与震源在全球分布不均，某些区域采样远好于其他区域；概率图追踪的是散射可能发生之处，而非任何埋藏特征的精确形状。他们建议，把该目录与其他震相以及更密台阵结合，是通向更清晰图像的自然下一步。

分析

综合来看，这六个新区域本身的重要性，不如“最下层地幔比稀疏采样所显示的连通性强得多”这一证据。真正科学红利是目录本身：一个规模十倍、标注一致的、可复用的数据集，供未来反演训练与交叉检验。对一个长期受困于缓慢人工挑选的领域而言，这份可机器读取的基础，可能比任何单一地图都更经得起时间检验。一个悬而未决的问题是：这些看似连续的条带，究竟是真实连续的结构，还是地震与台站恰好分布造成的假象；要回答它，需要作者呼吁的多震相联合反演，而不只是更多 PKP 数据。

关于这项研究对地表意味着什么，应当说清楚：更清晰的核—幔边界图能改进我们对地幔底部矿物组成、温度与流动的估计，这些约束会进入地幔对流与地幔柱长期行为的模型。但它并不能让人预测地震、火山喷发或海啸，研究也从未如此声称。该边界对热流和地幔循环的总体影响早已确立；把这六个具体区域与任何地表灾害挂钩，都是证据不支持的一步。