水曜日にネイチャー誌に掲載された新たな研究によると、ニューラルネットワークは地震後に余震がどこで発生するかを標準的な技術よりも高い精度で予測できるという。
大地震の後には、余震が生存者や救助に駆けつける人々を危険にさらす可能性があります。ハーバード大学、コネチカット大学、そしてGoogleの研究者グループは、ニューラルネットワークを訓練し、特定の場所で余震が発生するかどうかを予測することで、この現象を解明しようと試みました。
131,000組以上の本震とその余震のデータを用いて、シンプルなフィードフォワードニューラルネットワークを学習させました。地震波パターンは、一定体積のグリッドセルに分割されます。ニューラルネットワークは、地震によって空間の各領域に生じた応力分布に基づいて、各グリッドセルの中心で余震が発生するかどうかを予測することを学習します。
「このように各本震の周囲の体積を離散化することで、余震予測を大規模な2値分類問題として定式化することができ、各本震の周囲の体積内の5km×5km×5kmのグリッドセルを「余震を含む」か「余震を含まない」かに正確に分類することが目標となる」と論文は述べている。
ニューラルネットワークは3万件の地震イベントでテストされ、より一般的に用いられているクーロン破壊応力変化法よりも正確に余震の可能性を判定することができました。従来の方法は、地震イベント後の周辺材料の応力変化を検査します。
科学者たちは地震を予測するために機械学習を望んでいる
続きを読む
完全に正確な分類器のスコアは1で、偶然と同程度のスコアは0.5です。ニューラルネットワークの分類器のスコアは0.849でしたが、クーロン破壊応力の変化は0.583でした。
「クーロン破壊応力変化基準は、余震の発生場所を説明するために広く用いられてきました。私たちは、テストデータセット全体を通して、ニューラルネットワークがクーロン破壊応力変化よりも余震の発生場所を説明する上で優れた性能を発揮することを示しました」と、ハーバード大学の博士研究員であるフィービー・デブリーズ氏はThe Register誌に語った。
このモデルはまだプロトタイプであり、さまざまな種類の物理的ストレスを考慮していないため、すぐには実際に使用されませんが、開発は継続されており、地震学者や救助隊員によって現場で展開されることが期待されています。
「これは、私たちにとって励みとなる第一歩だと考えています。余震の挙動に影響を与える可能性のある物理現象は数多く存在します」とデブリーズ氏は述べた。
「本研究では静的弾性応力の変化に焦点を当てましたが、今後、機械学習は、動的応力の変化、多孔質弾性応力の変化、既存の地質構造など、あらゆる種類の物理現象を余震の挙動に結び付けるための非常に強力なツールになる可能性があります。」®
