11:55 〜 12:15
[U13-04] AIを活用した地震研究の進展
★招待講演
キーワード：地震、人工知能、断層、テクトニック微動
地震は、蓄積されたひずみエネルギーを断層の破壊とすべりによって急激に放出する現象であり、応力、断層の形状、摩擦特性などの断層の物理的特性を反映して発生する。地震から出た地震波は断層の物理的特性を推定するのに利用できる。大地震は地震災害によって社会に影響を与えるが、大多数の地震は小規模である。そのため、小地震によって断層の物理的特性を調べることができる。
多数の小地震からの地震データを解析するのは難題である。防災科学技術研究所のHi-netなどの定常地震観測網の発展により、長年にわたって膨大な量の地震波形データを取得している。地震波形データの処理と断層の物理的特性や地下構造に関する情報の抽出には、高速かつ効率的な計算が必要である。ここにAI技術の活躍が期待されており、P波やS波の到達時刻の読み取り（例えば、Ross et al., 2018a, 2018b; Zhu and Beroza, 2019; Mousavi et al., 2020）やP波初動極性の読み取り（例えば、Ross et al., 2018a; Hara et al., 2019; Uchide, 2020）など、さまざまな研究に適用されている。P波初動極性により、日本の応力マップを作成することも可能になった（Uchide et al., 2022; 内出ほか, 本大会）。
私たちは、震源分布と地震後続波を用いた地下断層の検出と同定を目指して研究している。震源位置と点群法線ベクトルのクラスタリング解析による断層決定法を開発した（佐藤ほか, 日本地震学会秋季大会, 2022; Sawaki et al., under review）。この手法により、2024年能登半島地震の地下断層を検出することに成功した（Sawaki et al., under review）。地震後続波については、S後続波を検出するためのニューラルネットワークモデルを開発している（Amezawa et al., AGU, 2023, 2024）。後続波を使って、地下にある反射体を決定した（Shiina et al., 2024）。これらの研究は進行中であり、地震断層を含む詳細な地下構造の解明を目指している。
また、AIを用いてテクトニック微動を明らかにする研究も行っている（寒河江ほか, 本大会で2講演; Sagae et al, under review）。ニューラルネットワークモデルにより、微動・地震・その他の地震データを分類するもので、その後、適切に微動の検出と震源決定を行えるようにする。この手法をS-netデータ（NIED, 2019）に適用することで、日本海溝周辺の微動カタログを改善した。
AI技術は確実に地震波形データ分析と地球および地震現象の理解を向上させている。物理情報ニューラルネットワーク（PINNs）などの他の新たな技術も、地震学と地球科学のさらなる発展に貢献する可能性がある。一方で、既存の技術も依然として有用であることも事実である。我々は個別で局所的な問題に対して、必要に応じて従来の手法と新たな手法を使い分け、研究分野における大きな課題を解決する方向に向かっていかなければならない。
謝辞：本研究は、文部科学省の情報科学を活用した地震調査研究プロジェクト（STAR-Eプロジェクト）JPJ010217と日本学術振興会 科学研究費補助金 学術変革領域研究(A)「Slow-to-Fast地震学」JP21H05205の助成を受けて実施しました。
多数の小地震からの地震データを解析するのは難題である。防災科学技術研究所のHi-netなどの定常地震観測網の発展により、長年にわたって膨大な量の地震波形データを取得している。地震波形データの処理と断層の物理的特性や地下構造に関する情報の抽出には、高速かつ効率的な計算が必要である。ここにAI技術の活躍が期待されており、P波やS波の到達時刻の読み取り（例えば、Ross et al., 2018a, 2018b; Zhu and Beroza, 2019; Mousavi et al., 2020）やP波初動極性の読み取り（例えば、Ross et al., 2018a; Hara et al., 2019; Uchide, 2020）など、さまざまな研究に適用されている。P波初動極性により、日本の応力マップを作成することも可能になった（Uchide et al., 2022; 内出ほか, 本大会）。
私たちは、震源分布と地震後続波を用いた地下断層の検出と同定を目指して研究している。震源位置と点群法線ベクトルのクラスタリング解析による断層決定法を開発した（佐藤ほか, 日本地震学会秋季大会, 2022; Sawaki et al., under review）。この手法により、2024年能登半島地震の地下断層を検出することに成功した（Sawaki et al., under review）。地震後続波については、S後続波を検出するためのニューラルネットワークモデルを開発している（Amezawa et al., AGU, 2023, 2024）。後続波を使って、地下にある反射体を決定した（Shiina et al., 2024）。これらの研究は進行中であり、地震断層を含む詳細な地下構造の解明を目指している。
また、AIを用いてテクトニック微動を明らかにする研究も行っている（寒河江ほか, 本大会で2講演; Sagae et al, under review）。ニューラルネットワークモデルにより、微動・地震・その他の地震データを分類するもので、その後、適切に微動の検出と震源決定を行えるようにする。この手法をS-netデータ（NIED, 2019）に適用することで、日本海溝周辺の微動カタログを改善した。
AI技術は確実に地震波形データ分析と地球および地震現象の理解を向上させている。物理情報ニューラルネットワーク（PINNs）などの他の新たな技術も、地震学と地球科学のさらなる発展に貢献する可能性がある。一方で、既存の技術も依然として有用であることも事実である。我々は個別で局所的な問題に対して、必要に応じて従来の手法と新たな手法を使い分け、研究分野における大きな課題を解決する方向に向かっていかなければならない。
謝辞：本研究は、文部科学省の情報科学を活用した地震調査研究プロジェクト（STAR-Eプロジェクト）JPJ010217と日本学術振興会 科学研究費補助金 学術変革領域研究(A)「Slow-to-Fast地震学」JP21H05205の助成を受けて実施しました。