基于物理信息神经网络的地球核心上层局部流动估计
地球物理
2025-04-04 v1
摘要
地球主磁场源于外部液体核心的持续运动。通过假设场变化以迁移为主，即可将核心表面的流动与地磁场的年龄变化相关联。大多数现有核心流动模型为全局模型，显示出偏心行星涡旋等特征，以及一些快速区域性变化的证据。由于模型构造方式，任何位置上的流动定义都依赖于整个核心-地幔边界范围内的所有磁场变化，这使得解释流动中局部结构作为特定局部磁场变化结果的难度较大。本文提出了另一种策略，通过构建依赖于局部年龄变化的区域流动模型。我们采用一种新型基于机器学习的技术，称为物理信息神经网络（PINN），在同时拟合局部磁场变化和流动满足的动力学条件的前提下，寻找区域流动模型。虽然我们使用切向地球同步流动约束，但我们建立了一个可通过修改单行代码轻松更改物理约束的建模框架。经过在合成流动上的验证后，我们将该方法应用于 CHAOS-8.1 地磁场模型，该模型本身基于 Swarm 数据构建。通过构建区域流动的全局马赛克，我们再现了行星涡旋，为强年龄变化在高纬度和赤道区域属于同一全局特征的独立证据提供了支持。我们的模型也证实了过去十年核心流动的区域性变化。此外，我们的模型支持高纬度喷流的存在，这一喷流约在 2005 年开始加速，但自 2017 年来已减弱。
引用
@article{arxiv.2504.02566,
title = {Local Flow Estimation at the top of the Earth's Core using Physics Informed Neural Networks},
author = {Naomi Shakespeare-Rees and Philip W. Livermore and Christopher J. Davies and Hannah F. Rogers and William J. Brown and Ciarán D. Beggan and Christopher C. Finlay},
journal= {arXiv preprint arXiv:2504.02566},
year = {2025}
}
备注
37 pages, 15 figures, Preprint submitted to Physics of the Earth and Planetary Interiors