Istraživači iz Kineske akademije nauka upotrebili su duboko učenje na skoro 35 godina seizmičkih podataka i identifikovali oko 174.929 PKP predznaka. Analiza je otkrila šest ranije nepoznatih zona (B1–B6) na granici jezgro–plašt, na ~2.900 km dubine, koje ukazuju na jake heterogenosti. Mogući uzroci uključuju ostatke subdukcije, lokalno topljenje i mineralne fazne tranzicije, dok su teorije o egzotičnom poreklu (npr. materijal od Theie) i dalje spekulativne. Katalog obećava da će poboljšati modele najdubljeg plašta i usmeriti buduća istraživanja.
AI Otkrio Šest Ranije Nezabeleženih Zona Na Granici Jezgro–Plašt: Šta To Znači Za Razumevanje Unutrašnjosti Zemlje
Image: Deposit Photos
Istraživači iz Kineske akademije nauka (Chinese Academy of Sciences) primenili su metode dubokog učenja na skoro 35 godina seizmičkih zapisa i više od dva miliona talasnih snimaka, te identifikovali oko 174.929 slabih PKP predznaka. Rad, objavljen krajem avgusta 2026. u časopisu Journal of Geophysical Research: Solid Earth, otkriva šest ranije nedokumentovanih zona (označenih kao B1–B6) na granici između jezgra i plašta, na približno 2.900 km dubine.
Šta su PKP predznaci?
PKP predznaci su vrlo slabi, raštrkani signali koji nastaju raspršenjem seizmičkih talasa na neregularnostima blizu granice jezgro–plašt (CMB). Dolaze neposredno pre glavnog PKP talasa i često su zaklonjeni seizmičkim šumom, pa ih je ručno teško dosledno identifikovati.
A schematic showing how different seismic waves travel through Earth, from the source of an earthquake (star) to a seismic station at the surface (triangle). Waves get deflected near the core-mantle boundary (CMB). PKP precursors pass through the outer liquid core, but not the solid inner core, and arrive at detectors before PKIKP waves. (Guan et al., J. Geophys. Res. Solid Earth, 2026)
Kako je AI radio?
Tim je istrenirao duboki neuronski klasifikator na ljudski označenim primerima predznaka, potom ga pokrenuo kroz decenije arhiviranih snimaka i koristio iterativnu human-in-the-loop validaciju da poboljša tačnost. Metodološki, to je slično sistemima za moderaciju sadržaja — ali umesto označenih postova, model uči da prepoznaje obrasce u seizmičkom šumu.
Šta je otkriveno?
Algoritam je detektovao znatno veći broj predznaka nego raniji katalozi i mapirao šest zona (B1–B6) sa jakim raspršivanjem talasa ispod visokih geografskih širina Evrazije, Centralne Azije, Južnog Atlantskog okeana i drugih slabo pokrivenih oblasti. Umesto ranijih izolovanih anomalija, podaci ukazuju na veće pojasaste ili prostorno razuđene strukture u najdubljem plaštu.
Earthquakes with identified PKP precursors that traveled from the source (pink stars) to seismic array detectors (blue triangles). (Guan et al., J. Geophys. Res. Solid Earth, 2026)
"Takođe smo otkrili šest područja koja verovatno sadrže značajne heterogenosti koje prethodno nisu dokumentovane, što daje jasne prioritete za buduća istraživanja unutrašnjosti Zemlje." — Guan et al., J. Geophys. Res. Solid Earth, 2026
Mogući uzroci i ograničenja
Autori opisuju ove oblasti kao duboke heterogenosti, a ne kao potpuno razrađene strukture. Mogući porekli razlika u sastavu i temperaturi uključuju:
- ostatke subdukovanih litosfernih ploča koje su spuštane milijardama godina,
- lokalizovano delimično topljenje,
- mineralne fazne tranzicije pri ekstremnim pritiscima i temperaturama.
Pojedine medijske interpretacije su spekulisale i o dramatičnijim izvorima (npr. ostaci materijala od hipoteze o sudaru sa Theiom), ali seizmički podaci samo ukazuju na razliku u sastavu ili heterogenosti — oni ne dokazuju poreklo takvog materijala.
The six new zones (B1-B6) identified in this analysis likely contain "deep‐seated scatterers" that affect how seismic waves travel through Earth. (Guan et al., J. Geophys. Res. Solid Earth, 2026)
Zašto je ovo važno?
Granica jezgro–plašt je ključna za razumevanje toka toplote koji održava zemljin geodinamo i oblikuje svojstva magnetnog polja. Precizniji i obimniji katalog PKP predznaka omogućiće finiju kartu najdubljeg plašta, unaprediće geodinamičke modele i usmeriti buduća istraživanja (npr. gde postaviti nove seizmičke mreže ili kako dizajnirati laboratorijske eksperimente pod visokim pritiskom).
Šta sledi?
Autori očekuju da će katalog rasti kako model bude primenjivan na više podataka, te da će slične metode moći da se primene i na druge planete kad se sakupi dovoljno seizmičkih zapisa. Ovo je primer kako domenski specifične AI metode mogu izvući nove naučne uvide iz postojećih arhiva podataka.
Zaključak: Otkrivenih šest zona predstavlja značajan korak napred u mapi najdubljeg plašta i pokazuje da pažljivo primenjena AI tehnologija može osvetliti skrivena svojstva Zemlje — ali tumačenja porekla tih heterogenosti i dalje zahtevaju dodatne dokaze i analize.
(Guan et al., J. Geophys. Res. Solid Earth, 2026)
Pomozite nam da budemo bolji.
