AI 掃描 200 萬筆地震紀錄，找出地核附近六個隱藏區帶

研究團隊以 AI 分析 200 萬筆地震波紀錄，在接近地核的深處辨識出六個先前未知的結構區帶。這項成果展示了機器學習方法在處理超大規模觀測資料時的實際價值。

地球內部的結構無法直接觀測，人類對其的理解幾乎完全來自地震波。當地震發生，產生的波動穿過地球內部，途中因為不同物質的密度與彈性差異而改變速度、發生折射或反射；透過分析全球各地地震儀接收到的波形，科學家可以反推波動經過的路徑上有什麼樣的結構。

這種方法的限制在於資料處理的規模。每一次地震都會在全球數千個測站產生記錄，數十年累積下來的資料量極為龐大，而其中真正有用的細微特徵往往埋藏在雜訊之中。傳統上，研究者必須依靠經驗與假設來篩選要分析的資料段落，這種取徑不可避免地會遺漏未被預期的模式。

機器學習方法在此有明確優勢。模型可以在不預設特定結構的情況下，掃描全部資料尋找異常的波形特徵，並將相似的特徵聚類。這種資料驅動的方式，讓研究者能發現不符合既有模型預期的訊號——而這些正是最可能帶來新發現的部分。

六個新辨識出的區帶，位於核幔邊界附近。這個區域在地球動力學上具有特殊重要性：它是地函與外核之間的交界，涉及熱量傳遞、物質交換與地磁場生成的機制。此處結構的複雜程度，直接影響對地函對流模式與板塊運動長期驅動力的理解。

後續觀察重點在於這些區帶的物理性質釐清。辨識出結構的存在只是第一步，要理解它們的組成、成因與對地球演化的意義，需要結合高壓實驗、礦物物理與數值模擬等多方面的研究。這也是 AI 在科學研究中的典型角色——它擴大了發現的範圍，但解釋仍需回到領域知識本身。