スマートシティ

人工知能 (AI)を活用した地震予知

SHARE.

人工知能 (AI)を活用した地震予知

大地震は世界中で「一見」ランダムに発生します。何十年もの間、地質学者や地震の専門家たちは、破壊的な地震を予測する手段の開発に取り組んできましたが、その成果は限られていました。

しかし現在、スタンフォード大学をはじめとする地震研究センターの科学者たちは、音声と画像の認識のために開発された先進的な機械学習技術を応用して、毎日気付かれずにいる何百万という小さな地震からの地震信号を解析し、世界中の大規模で壊滅的な被害をもたらす可能性のある地震を正確に予測するための革新的なモデルを作り出そうとしています。

 

予測の問題

人々は動物の行動の変化や井戸水の水位の変化などによって、地震の発生を事前に警告する方法を模索してきました。しかし近年になっても、米国地質調査所は地震がいつ、どこで起こるかを正確に予測することは事実上不可能であることを認めています。

大地震の被害を軽減するために設計された地震対策モデルには、早期警報システムや長期予測が含まれていますが、いずれも事前に安全対策を講じることができるほど正確に地震を予測することはできません。地震の挙動を理解するために用いられた技術の多くは1980年代に開発されたもので、地表下の地震波の動きを監視する断層線上のセンサーから収集した既知のデータに依存しています。この監視の方法によって、断層から発生する地震波の動きを追跡する早期警報システムを開発することが可能になります。サンフランシスコの有名なBARTラインで使われているような警報システムは、周辺の人々緊急な地震が迫っていることを知らせることができます。

特定の断層の地震の挙動をより深く分析することで、ロサンゼルス地域の予報士がサンアンドレアス断層は大規模な地震が起こるには「期限を過ぎている」 と結論づけたように、地震の専門家は、数年にわたる地震の可能性を長期的に予測することができます。同様に、科学者たちは、小さな地震が大きな地震の前兆である可能性があると警告することができます。

しかし、正確な地震予知を困難にしているのは、技術的限界と地震の地質学的な複雑さによるものです。科学者たちは、地震の挙動を深く掘り下げ、正確な予測モデルを作成するために必要なデータを抽出する手段を持っていなかったにすぎないのです。

 

地震の仕組み

地震予知, 人工知能, P波, S派, 震源, 断層, マントル地震は地下深く、つまり海底から発生します。ゆっくりと移動するマントルの溶岩を横切って滑る、地殻の硬い断片である7つの巨大な構造プレートの動きから生じます。この動きは摩擦線に沿ってエネルギーを生み出し、そのエネルギーが解放されることで地震波を作り出し、震源から近くの小さな断層に放射する表面振動を引き起こします。

地震波は2段階に分けられます。第一に、P波が断層線に沿って移動するときに地球を引っ張り、圧縮します。これらの波の後には、よりゆっくりと移動するS波が続きます。このS波は、地球を上下左右に押して、地表の構造物をより大規模に破壊します。

ニュースになるのは大きな地震ですが、毎日何百万という小さな地震が起きています。そして、地震の挙動を理解するための大部分の取り組みは、大きな地震の際に収集されたデータに依存していますが、新しい研究は、これらの 「微小地震」 からのデータが、より正確な地震予測のモデルにつながる重要な洞察となることを示唆しています。そして、これらの地震からの大量のデータが、高度な機械学習のニューラルネットワークを使用して処理されると、大規模な地震を、単に過去のデータから推測するのではなく、正確に予測するための新しいモデルとなります。

 

AI技術の地震予知への応用

地球物理学者やその他の専門家は、地震の仕組みを理解するために地震データに依存していますが、世界中のセンサーから収集された大量のデータの解釈には、数週間、数カ月、あるいはそれ以上かかることがあります。現在、スタンフォード大学の科学者たちは人工知能に目を向け、AlexaやSiriなど、AIを使った日常的なアプリケーションから派生した技術を使って、新しい地震予知モデルを開発しようとしています。

地震の挙動を理解するためのこの新しいアプローチは、スタンフォード大学の研究者、ムスタファ・ムサビの研究から生まれました。彼は、地震の検出を自動化し、時間をかけて収集された地震波やその他の地震現象に関する大量のデータを分析する新しい方法を開発し、2017年から機械学習のアルゴリズムを使ってこのプロセスを自動化する方法を研究していました。

機械学習とは、アルゴリズムを利用したニューラルネットワークが、データのパターンを認識するための訓練を通じて、自立して判断を下すことを学習するプロセスのことです。一旦訓練されると、これらのネットワークは人間よりはるかに速く大量のデータを処理することができ、人間がよりも微細なパターンを認識することができます。

この種の技術は、Alexaのような音声認識アプリケーションを作るのに使われているものです。Alexaは、単語や文を作る音のパターンのシーケンスを分離して識別し、それらのシーケンスから音や発音の変化を推定することを繰り返し訓練して学習します。

 

音波から地震波へ:地震トランスフォーマー

地震トランスフォーマー, 地震波, AI, 人工知能, 地震予知Mousavi氏らは、音波パターンを認識できるネットワークは、従来のセンサーでは見逃される可能性のある非常に小さな揺れでも認識するように訓練できると推測しています。これらの微弱な信号を収集して分析することで、これまで認識されていなかったパターンが明らかになる可能性があり、差し迫った地震を予測できる可能性があります。

「地震トランスフォーマー」 と呼ばれるこのモデルは、人間が一般的な調査を行い、関心のある特定の分野に焦点を当ててデータを見る方法をシミュレートすることができます。 「地震トランスフォーマー」 や同様のネットワークは、何十年にもわたる収集データからパターンを抽出できるため、カリフォルニアのロマ・プリエタ地震のような大地震の挙動に関する知識のギャップを埋め、それらの知見を将来の地震に当てはめることで、新しい洞察を提供することができます。

地震トランスフォーマーは、地震の多い日本を除く20年間に収集された百万個の手作業でラベリングされた地震記録を含むユニークな訓練データのセットを用いて実験室で試験されました。その後、2000年に日本で記録されたマグニチュード6.6の地震から得られた新たなデータを対象にこのモデルを検証したところ、21,092件の地震イベントが検出されました。これは手作業で検知した数の2倍以上で、これまで人間が検知しなかった小さな地震も含まれていたのです。

地震トランスフォーマーの開発と訓練に使われた技術は、ロスアラモス国立研究所でも同様のモデルに適用されています。ロスアラモス国立研究所では、地質学者のポール・ジョンソン氏をはじめとする研究者たちが、研究室でアルゴリズムをテストしたところ、実験上は、スロースリップと呼ばれる種類の地震の発生を数日以内に正確に予測できることが確認されています。

AIを使った地震探知はまだ始まったばかりで、地震学者や他の専門家は、地震を引き起こす複雑な力学を完全に予測することはできないと強調しています。しかし、歴史的な地震や絶え間ない微小地震のデータを処理する高度なニューラルネットワークによって、科学者たちは地震の仕組みについて新たな洞察を得ており、大地震がいつ、どこで発生するかを自信を持って予測できるようになってきています。

 

SHARE.

前の記事

都市生活の改善のためのAIとビッグデータの働き

次の記事

高度なAI技術が重度な運動機能障害の治療に役立つ可能性

関連記事