Self-Arresting Earthquakes Require Event-Specific k-values: A Physics-Informed Deep Learning Framework

Resumen Técnico: Los terremotos de detención espontánea requieren valores de $k$ específicos para cada evento

Planteamiento del problema
La estimación de la caída de esfuerzo sísmico ($\Delta\sigma$) sigue siendo un desafío fundamental en la sismología debido a los sesgos sistemáticos de los métodos espectrales convencionales. Estos métodos dependen de un factor de forma adimensional fijo, el valor $k$, para vincular la frecuencia de esquina ($f_c$) y el momento sísmico ($M_0$) con el radio de la fuente. Los modelos de fuente tradicionales (p. ej., Brune, Madariaga) asumen implícitamente un mecanismo de ruptura "controlado por barreras", donde un terremoto se propaga hasta encontrar una barrera geométrica o de resistencia que fuerce su terminación. Sin embargo, simulaciones de ruptura dinámica recientes y trabajos teóricos indican que muchos terremotos, particularmente los eventos de pequeña a moderada magnitud, son de "detención espontánea" (self-arresting). Estos eventos terminan espontáneamente cuando su balance de energía se vuelve desfavorable, sin necesidad de barreras externas. La aplicación de valores $k$ fijos derivados de modelos controlados por barreras introduce errores sistemáticos significativos en las estimaciones de la caída de esfuerzo, ya que la relación entre la frecuencia de esquina y la caída de esfuerzo difiere fundamentalmente entre los dos modos de ruptura. Esto genera grandes incertidumbres en las estimaciones de la caída de esfuerzo (que a menudo varían en órdenes de magnitud) y oscurece las señales físicas relacionadas con la madurez de la falla y la heterogeneidad del esfuerzo.

Metodología
Para abordar la variabilidad del valor $k$, los autores desarrollaron un marco de aprendizaje profundo informado por la física que predice correcciones del valor $k$ específicas para cada evento directamente a partir de las características espectrales.

1. Generación de datos de entrenamiento: Los autores utilizaron el Método de la Ecuación de Integración de Frontera (BIEM) para realizar 12,393 simulaciones de ruptura dinámica espontánea en fallas circulares. Estas simulaciones variaron sistemáticamente dos parámetros adimensionales: la caída de esfuerzo efectivo normalizada ($\hat{T}_e$) y la distancia de deslizamiento crítica normalizada ($\hat{D}_c$). Este espacio de parámetros define un diagrama de fase de ruptura que distingue entre regímenes de no auto-detención (controlados por barrera) y de detención espontánea.
2. Verdad de campo y factor de corrección: Para cada simulación, se calculó una caída de esfuerzo de "verdad de campo" ($\sigma_{dir}$) directamente a partir de los cambios de esfuerzo ponderados por el área. Se generaron sismogramas sintéticos para extraer $f_c$ y $M_0$ mediante el ajuste espectral estándar. Al comparar la caída de esfuerzo inferida mediante las fórmulas tradicionales contra $\sigma_{dir}$, los autores derivaron un factor de corrección ($C_{eff}$) y un correspondiente valor $k$ corregido ($k_{corr}$).
3. Arquitectura de Aprendizaje Profundo: Se entrenó una red neuronal multitarea sobre los espectros sintéticos. La arquitectura combina capas convolucionales (para capturar la estructura espectral local) y mecanismos de atención basados en Transformers (para capturar dependencias a través del rango de frecuencias). El modelo toma espectros de fuente normalizados y características auxiliares (magnitud, $f_c$, decaimiento de alta frecuencia) como entrada y produce simultáneamente:
   • Una clasificación del modo de ruptura (detención espontánea vs. no detención espontánea).
   • Un factor de corrección continuo para el valor $k$.
4. Validación en sismicidad natural: El marco se aplicó a 1,371 terremotos naturales de alta calidad de tres entornos tectónicos distintos: la secuencia de Kumamoto de 2016 (falla de desgarre madura), la secuencia de Ridgecrest de 2019 (fallas conjugadas inmaduras) y la secuencia de Yangbi de 2021 (falla ciega intraplaca).

Resultos Clave

• Clasificación del modo de ruptura: El modelo alcanzó una precisión del 99.68% en la clasificación de los modos de ruptura en un conjunto de validación, demostrando que las características espectrales contienen información suficiente para distinguir entre eventos de detención espontánea y no de detención espontánea.
• Variabilidad del valor $k$: El análisis de los terremotos naturales reveló que los valores $k$ abarcan tres órdenes de magnitud. Solo aproximadamente el 44% de los eventos se situaron dentro del rango tradicional (0.21–0.37). Los eventos restantes se dividieron entre valores por debajo de 0.21 (donde el $k$ fijo sobreestima la caída de esfuerzo) y valores por encima de 0.37 (donde el $k$ fijo la subestima).
• Reducción de la dispersión en la caída de esfuerzo: Las correcciones informadas por la física redujeron significativamente la dispersión en las estimaciones de la caída de esfuerzo:
  • Simulaciones: La desviación estándar disminuyó de ~212 MPa a ~4 MPa.
  • Observaciones: La desviación estándar disminuyó de ~44 MPa a ~8 MPa.
  • La fracción de eventos que caen dentro del rango físicamente plausible (0.1–30 MPa) aumentó sustancialmente en todas las secuencias.
• Dependencia del contexto tectónico: La efectividad de la corrección varió sistemáticamente con las propiedades de la zona de falla:
  • Kumamoto (Madura): Mejora moderada; los eventos se agruparon cerca del rango tradicional, lo que sugiere condiciones de esfuerzo uniformes.
  • Ridgecrest (Inmadura/Compleja): Mejora drástica; la mayor dispersión de valores $k$ y la mayor reducción de la dispersión, reflejando la falla conjugada compleja y el esfuerzo heterogéneo.
  • Yangbi (Intraplaca): Mejora significativa en la fracción de estimaciones plausibles, corrigiendo principalmente las clasificaciones erróneas sistemáticas de eventos pequeños de detención espontánea.

Significado y Reivindicaciones
El artículo argumenta que el supuesto de la autosimilitud de los terremotos es condicional en lugar de universal. La autosimilitud se mantiene solo cuando los eventos comparten parámetros dinámicos adimensionales similares ($\hat{T}_e$ y $\hat{D}_c$); esta se rompe cuando los eventos se dispersan a través del diagrama de fase de ruptura. El estudio demuestra que la diversidad del modo de ruptura controla fundamentalmente las características espectrales.

Las contribuciones clave incluyen:

1. Desafío a los valores $k$ fijos: El trabajo proporciona evidencia empírica de que los valores $k$ fijos son insuficientes para la sismicidad natural, ya que no logran capturar la física de las rupturas de detención espontánea.
2. Integración práctica de la física: El marco ofrece una vía práctica para integrar la física de la ruptura dinámica en el análisis sísmico rutinario sin el costo computacional de las inversiones individuales de cada evento.
3. Utilidad diagnóstica: La variabilidad del valor $k$ (específicamente su coeficiente de variación) se propone como una herramienta diagnóstica para caracterizar las propiedades de las zonas de falla, tales como la madurez y la complejidad geométrica.
4. Reinterpretación de catálogos de caída de esfuerzo: Los autores sugieren que los catálogos de caída de esfuerzo existentes pueden contener sesgos sistemáticos estructurados correlacionados con el modo de ruptura y la magnitud, los cuales pueden corregirse retrospectivamente utilizando su marco de trabajo.

El estudio concluye que reconocer la diversidad de los modos de ruptura es esencial para una evaluación de riesgos confiable y para comprender la evolución de las zonas de falla, moviendo al campo de un modelo único universal hacia un enfoque específico para cada evento e informado por la física.