新しい人工知能アプローチは、地震後の余震の位置を予測するのに役立つ可能性があります
An 地震 地下の岩石によって引き起こされる現象です。 地球の 地質断層の周りで地殻が突然壊れます。これにより、エネルギーが急速に放出され、地震波が発生し、地面が揺れます。これが、地震の際に私たちが転倒したときの感覚です。岩が壊れた場所は焦点と呼ばれます 地震 そしてその上の地上の場所は「震源」と呼ばれます。放出されたエネルギーは、地震がどの程度のエネルギーであったかを表す尺度であるマグニチュードとして測定されます。マグニチュード 2 の地震はほとんど知覚されず、高感度の特殊な機器を使用する場合のみ記録できます。 地震 マグニチュード 8 を超えると、地面が著しく激しく揺れる可能性があります。一般に、地震の後には同様のメカニズムで多くの余震が発生し、同様に壊滅的な規模であり、その強度と重大度は元の地震の何倍にもなります。このような地震後の微動は、通常、本震後の最初の XNUMX 時間または XNUMX 日以内に発生します。 地震。余震の空間分布を予測することは非常に困難です。
科学者たちは余震の規模と時間を説明する経験則を定式化しているが、余震の位置を正確に特定することは依然として課題である。 Google とハーバード大学の研究者は、評価のための新しいアプローチを考案しました。 地震 人工知能技術を使用して余震の位置を予測する研究結果が、2012年に発表されました。 自然。 彼らは特に機械学習を使用しました–人工知能の側面。 機械学習アプローチでは、機械は一連のデータから「学習」し、この知識を取得した後、この情報を使用して新しいデータに関する予測を行うことができます。
研究者はまず、深層学習アルゴリズムを使用して地球規模の地震のデータベースを分析しました。 ディープラーニングは、ニューラルネットワークが人間の脳の思考プロセスを模倣しようとする高度なタイプの機械学習です。 次に、彼らはできることを目指しました 予報 余震はランダムに推測するよりも正確であり、余震が「どこで」発生するかという問題を解決しようとします。世界中の 199 を超える大地震から収集された、約 131,000 の本震と余震のペアからなる観測結果が利用されました。この情報は、どのように行われるかを説明する物理ベースのモデルと結合されました。 当社 終わった後は緊張して緊張するだろう 地震 それが余震を引き起こすでしょう。彼らは、システムが余震をチェックするための5キロメートル四方のグリッドを作成した。その後、ニューラル ネットワークは、本震によって引き起こされたひずみと余震の位置との間の関係を形成します。この方法でニューラル ネットワーク システムが十分に訓練されると、余震の位置を正確に予測できるようになりました。この研究は、複雑な現実世界の地震データを使用するため、非常に困難でした。研究者は代わりにセットアップします 人工の 予測を作成し、予測を検討するための一種の「理想的な」地震。 ニューラルネットワークの出力を見て、彼らは余震の予測を制御する可能性のあるさまざまな「量」を分析しようとしました。 空間比較を行った後、研究者は、典型的な余震パターンは物理的に「解釈可能」であるという結論に達しました。 チームは、偏差応力張力の2番目の変形と呼ばれる量（単にJXNUMXと呼ばれる）が鍵を握ることを提案します。 この量は非常に解釈しやすく、冶金学やその他の分野で日常的に使用されていますが、地震の研究にこれまで使用されたことはありません。
地震の余震はさらなる負傷者や物的損害を引き起こし、また救助活動を妨げるため、余震を予測することは人類の命を救うことになります。現在の AI モデルは特定の種類の余震と単純な地質断層にしか対応できないため、リアルタイムの予測は現時点では不可能である可能性があります。地質断層は地球上のさまざまな地理的位置で異なる形状をしているため、これは重要です。 惑星。したがって、現時点では世界中のさまざまな種類の地震には適用できない可能性があります。それにもかかわらず、衝撃の強さ、プレートの位置など、地震を研究する際に考慮する必要がある変数が多数あるため、人工知能技術は地震に適しているように見えます。
ニューラルネットワークは、時間の経過とともに改善するように設計されています。つまり、より多くのデータがシステムに供給されると、より多くの学習が行われ、システムは着実に改善されます。 将来、そのようなシステムは、地震学者によって使用される予測システムの不可欠な部分になる可能性があります。 計画担当者は、地震の挙動に関する知識に基づいて緊急措置を実施することもできます。 チームは、人工知能技術を使用して地震の規模を予測したいと考えています。
***
{引用元のリストにある以下のDOIリンクをクリックすると、元の研究論文を読むことができます}
ソース
DeVries PMR etal。 2018.大地震後の余震パターンのディープラーニング。 自然560（7720）
https://doi.org/10.1038/s41586-018-0438-y
***
