MétaCan
Menu
Retour à la cohorte
Enregistrement W4367320603 · doi:10.1038/s41467-023-38137-w

Laboratory earthquakes decipher control and stability of rupture speeds

2023· article· en· W4367320603 sur OpenAlexafffund
Peng Dong, Kaiwen Xia, Ying Xu, Derek Elsworth, Jean‐Paul Ampuero

Notice bibliographique

RevueNature Communications · 2023
Typearticle
Langueen
DomaineEarth and Planetary Sciences
Thématiqueearthquake and tectonic studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of OxfordNational Natural Science Foundation of ChinaCalifornia Institute of TechnologyTianjin UniversityChina Postdoctoral Science FoundationUniversity of California, Santa Cruz
Mots-clésNucleationJumpGeologySeismologyWave speedShear (geology)Earthquake ruptureStability (learning theory)Computer scienceMechanicsPhysicsMachine learningThermodynamicsFault (geology)

Résumé

récupéré en direct d'OpenAlex

Abstract Earthquakes are destructive natural hazards with damage capacity dictated by rupture speeds. Traditional dynamic rupture models predict that earthquake ruptures gradually accelerate to the Rayleigh wave speed with some of them further jumping to stable supershear speeds above the Eshelby speed (~ $$\sqrt{2}$$ 2 times S wave speed). However, the 2018 M w 7.5 Palu earthquake, among several others, significantly challenges such a viewpoint. Here we generate spontaneous shear ruptures on laboratory faults to confirm that ruptures can indeed attain steady subRayleigh or supershear propagation speeds immediately following nucleation. A self-similar analysis of dynamic rupture confirms our observation, leading to a simple model where the rupture speed is uniquely dependent on a driving load. Our results reproduce and explain a number of enigmatic field observations on earthquake speeds, including the existence of stable subEshelby supershear ruptures, early onset of supershear ruptures, and the correlation between the rupture speed and the driving load.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,022
Tête enseignante GPT0,263
Écart entre enseignants0,241 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations40
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetearthquake and tectonic studiesTravaux en français237 207