[3L1-OS-3a] 地震研究と人工知能

[3L1-OS-3a-01] 物理深層学習の3次元断層すべり発展モデルへの適用

スロースリップにおける順・逆問題

〇福嶋 陸斗^1,2、加納 将行²、平原 和朗^3,4、大谷 真紀子¹、Jean-Philippe Avouac⁵、Kyungjae Im⁵ (1. 京都大学、2. 東北大学、3. 理化学研究所、4. 香川大学、5. カリフォルニア工科大学)

キーワード：物理深層学習

沈み込み帯では地震・スロースリップ(SSE)等様々なすべり現象が観測されており、これらは断層面上の摩擦特性の空間不均質に起因すると考えられている。したがって地殻変動観測と地震サイクル計算に基づき摩擦特性を推定することはすべり現象理解のために重要である。近年の機械学習研究の発達に伴い、物理法則に従う微分方程式を学習に取り込む深層学習手法であるPhysics-Informed Neural Networks (PINNs)が提案された[Raissi et al., 2019]。Fukushima et al., 2023ではPINNsでは観測データと物理法則の同時学習が可能である点に着目し、1自由度断層すべりモデルであるばねブロックモデルにPINNsを適用し、摩擦特性推定を行った。本研究では実データへの応用を見据え、より現実的なモデルである3次元断層すべり発展モデルにおいてPINNsを適用し、SSEモデルにおいて順問題としての断層すべり計算・および逆問題としての摩擦特性推定を行った。数値実験の結果、PINNsが3次元SSEモデルでの摩擦特性推定において有効に機能することが示された。