日本东京作为全球人口最密集的超大城市之一，地处地震活跃带，面临频繁的强震威胁。其中，土壤液化是造成严重破坏的关键因素——当地震发生时，饱和松散的土壤会因震动失去强度，像液体一样流动，导致建筑物倾斜甚至倒塌。1995年阪神大地震、2011年东日本大地震以及2024年能登半岛地震都曾引发大规模土壤液化灾害。 然而，传统地震风险评估地图多依赖有限的钻孔数据和简单的统计方法，分辨率通常在500米以上，难以准确反映东京复杂地下结构，尤其是填海区、河岸平原等高风险区域的细微差异。 为解决这一问题，日本芝浦工业大学的今泉慎也教授领导的研究团队开发出一种基于人工智能的新型高分辨率三维液化风险制图方法。该研究发表于《Results in Engineering》期刊，创新性地结合地质工程数据与人工神经网络（ANN）技术，构建了一个能同时进行地质建模与液化风险评估的统一框架。 研究团队利用13,926个钻孔数据，是日本迄今规模最大的AI应用于地质灾害评估案例。通过训练神经网络模型，他们成功在200米网格尺度上精准预测了土壤类型和N值（衡量土壤密实度与强度的关键指标）。模型在预测精度上显著优于传统方法和同类机器学习模型，尤其擅长捕捉数据中的非线性复杂关系。 基于预测结果，团队计算出液化潜能指数，生成了前所未有的高精度风险地图。地图清晰揭示了江东区等填海区域的局部高风险区，这些区域在传统地图中常被忽略。该成果不仅提升了东京的城市防灾能力，也为其他面临类似地质风险的国际大都市提供了可复制的技术路径。 研究团队强调，该模型具备良好的可扩展性，可集成至地理信息系统，实现动态可视化，助力城市规划、建筑选址、地基设计及公众防灾教育。今泉教授表示，这项工作标志着人工智能在城市安全与可持续发展中的关键应用，为保护数百万居民的生命财产安全提供了强有力的技术支撑。