İsviçreli bilim insanları, deprem risklerini daha iyi anlayabilmek için İsviçre Alpleri'nin derinliklerinde kontrollü bir ortamda binlerce küçük çaplı deprem oluşturdu. Güney İsviçre'de gerçekleştirilen bu deneysel çalışmada, araştırmacılar yerkabuğunun davranışını yakından izleyerek sismik aktivitelerin doğasını inceledi. Bu tür kontrollü denemeler, doğal deprem süreçlerinin anlaşılmasında ve gelecekteki risklerin değerlendirilmesinde kritik öneme sahip. Çalışma, deprem tahmin modellerinin geliştirilmesi ve afet yönetimi stratejilerinin iyileştirilmesi açısından önemli veriler sağlıyor.

Alaska'da bulunan ve yavaş hareket eden bir fay hattında yapılan araştırmalar, bilim insanlarının beklentilerini alt üst etti. Geleneksel deprem teorilerine göre bu tür fay hatlarında bol miktarda sıvı bulunması beklenirken, yapılan ölçümler tam tersini gösterdi. Bu keşif, deprem bölgelerinin nasıl çalıştığına dair mevcut anlayışımızı değiştiriyor. Fay hatları genellikle iki farklı davranış sergiler: bazıları aniden kırılarak depreme neden olurken, diğerleri yavaş ve sürekli hareket eder. Alaska'daki bu sessiz fay, ikinci kategoriye ait olmasına rağmen beklenmedik özellikler taşıyor. Araştırmacılar, bu durumun deprem tahminleri ve risk değerlendirmeleri üzerinde önemli etkileri olabileceğini belirtiyor. Bulgular, farklı fay tiplerinin daha karmaşık mekanizmalarla çalıştığını gösteriyor.

29 Temmuz 2025'te Kamçatka Yarımadası yakınlarında meydana gelen 8.8 büyüklüğündeki deprem, modern aletlerle kaydedilen en büyük altıncı deprem olarak tarihe geçti. Ancak bu devasa depremin oluşturduğu tsunami beklenenin altında kaldı. Tohoku Üniversitesi araştırmacıları, bu olayı bir öğrenme fırsatı olarak değerlendirerek kapsamlı bir analiz gerçekleştirdi. Bilim insanları, deprem sırasındaki fay hareketlerini yeniden yapılandırmak için çoklu veri setlerini birleştirdi. Geoscience Letters dergisinde yayınlanan bu çalışma, tsunami risklerinin daha iyi anlaşılması ve yerel toplulukların korunması açısından kritik bilgiler sunuyor. Araştırma, büyük depremlerin her zaman büyük tsunamiler oluşturmayacağını göstererek, gelecekteki risk değerlendirmelerinde önemli bir rehber niteliği taşıyor.

Stanford Üniversitesi araştırmacıları, depremlerin büyüklüğünün tahmin edilemez olduğu geleneksel görüşe meydan okuyan bir yapay zeka modeli geliştirdi. MAGNET adlı bu model, LSTM sinir ağı mimarisi kullanarak geçmiş deprem verilerindeki gizli kalıpları analiz ediyor. Araştırma, deprem büyüklüklerinin aslında sismik geçmişle bağlantılı olduğunu ve mevcut tahmin modellerinin eksik kaldığını ortaya koyuyor. Bu bulgu, deprem tahmininde yeni bir dönem başlatabilir ve afet yönetimi stratejilerini köklü şekilde değiştirebilir.

Araştırmacılar, belirli bir bölgede gelecekte meydana gelebilecek büyük depremleri tahmin etmek için yeni bir yöntem geliştirdi. Bu sistem, küçük depremlerin verilerini analiz ederek büyük depremlerin olasılığını hesaplıyor. Gutenberg-Richter deprem büyüklüğü-sıklığı ilişkisini temel alan method, yerel bir alandaki küçük sarsıntıları sayarak hedef büyüklükteki depremleri öngörmeye çalışıyor. Sistem, çevredeki daha geniş bölgelerden toplanan deprem verilerini ensemble yöntemiyle değerlendiriyor ve basit veri madenciliği teknikleri kullanıyor. ROC testine göre sistem önemli başarı gösteriyor ve son büyük depremden geçen süre arttıkça tahmin doğruluğu artıyor.

Araştırmacılar, zayıf saçılan ortamlardaki dalga alanlarını sıkıştırmak için OSCAR adlı yeni bir yöntem geliştirdi. Bu fizik temelli yaklaşım, dalga yayılımının temel özelliklerini kullanarak veri boyutunu dramatik şekilde azaltıyor. Geleneksel sıkıştırma yöntemlerinin aksine, OSCAR sıkıştırılmış veriler üzerinde doğrudan işlem yapılmasına olanak tanıyor. Yöntem, dalga alanlarının Fourier uzayında ince bir kabuk içinde sınırlandığı gerçeğini kullanıyor - bu durum saçılma ortalama serbest yolunun dalga boyundan önemli ölçüde büyük olduğu durumlarda ortaya çıkıyor. Bu breakthrough, büyük karmaşık sistemlerdeki dalga simülasyonlarında yaşanan depolama ve işleme sorunlarına çözüm getiriyor. Özellikle medikal görüntüleme, sismoloji ve malzeme bilimi gibi alanlarda önemli uygulamaları olması bekleniyor.

Astronomlar, Gaia uydu teleskobu verilerini kullanarak kızıl dev yıldızların iç yapılarını analiz eden yeni bir yapay zeka sistemi geliştirdiler. Hibrit CNN-LSTM modelleri kullanan bu yaklaşım, daha önce sadece yüksek kaliteli ışık eğrileriyle mümkün olan asterosismoloji çalışmalarını milyarlarca yıldıza genişletme potansiyeli taşıyor. Kızıl dev yıldızlar, hem yıldız evrimi hem de Galaksi yapısının anlaşılmasında kritik rol oynuyor. Bu yıldızların iç titreşimleri, kütleleri ve evrimsel durumları hakkında doğrudan bilgi veriyor. Araştırma, düşük çözünürlüklü spektral verilerin bile yıldız sismolojisi için yeterli bilgi içerebileceğini gösteriyor. Bu gelişme, astronomların evrendeki yıldızların iç dinamiklerini daha geniş bir örneklem üzerinde incelemelerine olanak sağlayabilir.