近日，美国阿拉巴马大学科研团队在《科学》杂志发表研究，首次利用深度学习技术在南极大卫冰川下方发现数百起极难察觉的中深源地震。研究人员调取2001至2015年间49个地震台站的监测数据，通过算法自动识别P波与S波信号，共筛选出1068次地震活动，其中510次震源深度超过70公里，震级介于1.6至3.5之间。传统理论多将板块内部中深源地震归因于古俯冲残留、岩石圈拆沉或滴流构造，但该团队通过地震波层析成像排除了上述机制。研究发现，这些地震实际发生于上地幔，是由东西南极刚性岩石圈与软弱软流层交界处发生弯曲形变所致。叠加上方厚重冰盖的长期载荷，应力在岩石圈弯折带高度集中，从而诱发脆性破裂。这一发现揭示了冰冻圈、岩石圈与软流圈复杂的相互作用机制，对现有地壳动力学模型提出挑战。该成果证明，机器学习可有效突破传统地震识别方法的局限。研究团队指出，受限于历史台站稀疏与算法落后，此类非边界中深源地震或在全球广泛存在。该技术路线将为未来全球深部构造监测与冰盖稳定性评估提供全新范式。