报告人：高科

单位：南方科技大学

时间：2024年6月3日10:00—11:30（周一）

地点：新实验楼318教室（珙桐对面）

报告人简介：

2017年博士毕业于加拿大多伦多大学岩石力学专业，2017年至2019年在美国Los Alamos国家实验室固体地球物理方向从事博士后研究，2019年9月加入南方科技大学地球与空间科学系，入选国家海外高层次人才计划青年项目。主要研究领域为岩石力学和断层力学，具体包括基于有限元—离散元方法（Combined finite-discrete element method, FDEM）的多物理场耦合及并行算法开发、基于FDEM的热-流-固（THM）多物理场作用下岩石复杂破裂机理研究及水力压裂、基于张量的岩石应力变异性（stress variability）和异质性（stress heterogeneity）统计方法与岩石应力场模拟反演研究、断层剪切黏滑模拟与试验、基于机器学习的实验室地震预测与断层摩擦机理研究等。目前已以第一作者/通讯作者在Physical Review Letters（编辑推荐文章）、Earth and Planetary Science Letters、Geophysical Research Letters、Journal of Geophysical Research: Solid Earth、International Journal of Rock Mechanics and Mining Science和Rock Mechanics and Rock Engineering等期刊和国际会议发表论文30余篇，主持国家自然科学基金面上项目、科技部重点研发专题、广东省面上、深圳市面上等多个科研项目。

报告简介：

基于室内岩石剪切黏滑试验的实验室地震具有断层力学条件已知可控、易观测、可重复等优点，在实验室地震的基础上开展机器学习预测研究，并探讨将其中的孕震规律迁移到天然地震预测中的可行性，可能成为地震预测这一世界性科学难题的突破口。目前相关机器学习模型训练普遍存在数据类型单一等问题，导致训练模型的预测精度差、普适性不强。鉴于此，本研究采用FDEM数值模拟方法，开展实验室尺度的断层剪切黏滑试验并采集相关数据，采用机器学习多融合模型及考虑多模态特征的深度学习方法进行机器学习预测训练，构建具有强泛化能力的实验室地震机器学习预测方法。相关初步探索期望为实验室地震提供有效的预测方法、模型和流程，为天然地震甚至滑坡的机器学习预测提供一些思路。

欢迎广大师生踊跃参加！

地质灾害防治与地质环境保护国家重点实验室

2024年5月31日