昨年 5 月、13 か月の眠りの後、ワシントンのピュージェット サウンドの下の地面が活気を取り戻しました。地震はオリンピック山脈の 20 マイル以上下で始まり、数週間かけて北西に移動し、カナダのバンクーバー島に到達しました。その後、コースを一時的に反転させ、米国国境を越えて移動した後、再び沈黙しました。全体として、この 1 か月にわたる地震は、マグニチュード 6 を記録するのに十分なエネルギーを放出した可能性があります。それが完了するまでに、バンクーバー島の南端は太平洋に 1 センチほど押し込まれていました。
しかし、地震は時間的にも空間的にも広範囲に広がっていたため、誰もそれを感じなかった可能性があります。このように、通常の高速地震よりも地下深くで発生する幻の地震を「スロースリップ」と呼んでいます。それらは、太平洋岸北西部で、フアン・デ・フカ・プレートが北米プレートの下にゆっくりと押し込まれている断層に沿って、およそ年に 1 回発生します。 2003 年以来、この地域の広大な地震観測所のネットワークによって、12 以上のスロー スリップが検出されています。そして、過去 1 年半の間、これらのイベントは、地球物理学者のポール ジョンソンによる地震予知の新たな取り組みの焦点となっています。
ジョンソンのチームは、機械学習を使用して地震物理学の謎を解き明かし、差し迫った地震の警告サインを明らかにしようとしている数少ないグループの 1 つです。 2 年前、画像認識や音声認識などの人工知能の最近の進歩を支えているものと同様のパターン検出アルゴリズムを使用して、彼と共同研究者は実験室のモデル システムで地震を予測することに成功しました。ヨーロッパ。
今週、科学プレプリント サイト arxiv.org に掲載された論文で、ジョンソンと彼のチームは、太平洋岸北西部のスロー スリップ地震でアルゴリズムをテストしたと報告しています。この論文はまだ査読を受けていませんが、外部の専門家は結果が興味をそそられると述べています。ジョンソンによれば、彼らはアルゴリズムがスロースリップ地震の開始を「数日以内に、そしておそらくそれよりも早く」予測できることを示しています.
ライス大学の地震学者で、この研究には関わっていない Maarten de Hoop 氏は、「これはエキサイティングな展開です」と述べています。地震予知に向けて「初めて、私たちが本当に前進している瞬間があると思います。」
スタンフォード大学の地球物理学者であるモスタファ・ムサヴィは、この新しい結果を「興味深く、やる気を起こさせるもの」と呼びました。彼、de Hoop、および他の分野の研究者は、機械学習が壊滅的な地震を確実に予測できるようになるまでには長い道のりが必要であり、いくつかのハードルは克服するのが不可能ではないにしても困難である可能性があることを強調しています。それでも、科学者が何十年も苦闘し、希望の光がほとんど見えない分野では、機械学習が最善の策かもしれません.
スティック アンド スリップ
リヒター マグニチュード スケールの命名者である故地震学者のチャールズ リヒターは、1977 年に、地震予知は「アマチュア、変人、あからさまな宣伝を求める偽者に楽しい狩猟場」を提供できると述べています。今日、多くの地震学者は、3 つすべてのかなりの部分を見たと言っています。
しかし、後から考えると、まったく風変わりではないにしても、ひどく誤った方向に進んでいるように見える理論をでっち上げた評判の良い科学者もいます.アテネ大学の地球物理学者パナイオティス・バロッソスは、「地震の電気信号」を測定することで差し迫った地震を検出できると主張しました。米国鉱山局の物理学者であるブライアン・ブレイディは、1980 年代初頭にペルーで相次ぐ誤った警報を鳴らし、地下鉱山での岩の破裂は地震が来ることの明らかな兆候であるという希薄な考えに基づいていました.
ポール・ジョンソンは、この複雑な歴史をよく知っています。彼は、「地震予知」という単なる言葉が多くの地域でタブーであることを知っています。彼は、マグニチュード 6.3 の地震が発生する数日前に、イタリア中部の町ラクイラ近くで地震が発生する可能性を軽視したとして、2012 年に過失致死罪で有罪判決を受けた 6 人のイタリア人科学者について知っています。 (この信念は後に覆されました。) 彼は、「地震は予測できない」と力強く宣言した著名な地震学者について知っています。
しかし、ジョンソンは、地震が物理的なプロセスであることも知っています。その点では、死にかけている星の崩壊や風の変化と同じです。彼は、自分の主な目的は断層物理学をよりよく理解することだと強調していますが、予測の問題を避けていません。
10 年以上前、Johnson は、粒状物質の薄い層で区切られた滑りブロックで作られた「実験室地震」の研究を始めました。構造プレートのように、ブロックはスムーズにスライドしませんが、ぴったりとはまり始めます。通常、ブロックは一度に数秒間くっつき、摩擦によって所定の位置に保持され、せん断応力が十分に大きくなり、突然スリップするまで続きます。その滑り — 実験室版の地震 — が応力を解放し、スティック スリップ サイクルが新たに始まります。
ジョンソンと彼の同僚がスティックスリップサイクル中に放出された音響信号を記録したとき、彼らは各スリップの直前に鋭いピークに気づきました。これらの前兆イベントは、地震の前に前震によって生成された地震波と実験室で同等でした。しかし、地震学者が前震を本震の発生時期の予測に変換するのに苦労したのと同じように、ジョンソンと彼の同僚は、前駆事象を実験室の地震の信頼できる予測に変える方法を理解できませんでした。 「私たちは行き止まりにありました」とジョンソンは回想します。 「進むべき道が見えませんでした。」
数年前のロスアラモスでの会議で、ジョンソンは彼のジレンマを理論家のグループに説明しました。彼らは、彼が機械学習を使用してデータを再分析することを提案しました。このアプローチは、音声データのパターンを認識する優れた能力で当時からよく知られていました。
一緒に、科学者たちは計画を立てました。各実験の実行中に録音された約 5 分間の音声 (約 20 回のスティックスリップ サイクルを含む) を取り、それを多くの小さなセグメントに切り刻みます。各セグメントについて、研究者は、平均信号、その平均に関する変動、セグメントに前兆イベントが含まれているかどうかに関する情報など、80 以上の統計的特徴を計算しました。研究者は後知恵でデータを分析していたので、各サウンド セグメントとその後の実験室の障害の失敗との間にどれくらいの時間が経過したかもわかっていました。
このトレーニング データを使用して、「ランダム フォレスト」機械学習アルゴリズムとして知られるものを使用して、故障までの残り時間と強く関連する特徴の組み合わせを体系的に探しました。数分間の実験データを見た後、アルゴリズムはアコースティック エミッションの特徴のみに基づいて故障時間を予測し始めることができます。
ジョンソンと彼の同僚は、次のスリップまでの時間を予測するためにランダム フォレスト アルゴリズムを採用することを選択しました。その理由の 1 つは、ニューラル ネットワークや他の一般的な機械学習アルゴリズムと比較して、ランダム フォレストが比較的解釈しやすいからです。このアルゴリズムは基本的に、各ブランチが何らかの統計的特徴に従ってデータセットを分割する決定木のように機能します。このように、ツリーは、アルゴリズムが予測を行うために使用した機能の記録と、アルゴリズムがそれらの予測に到達するのを助ける各機能の相対的な重要性を保持します。
ロスアラモスの研究者がアルゴリズムの内部構造を調査したとき、彼らが学んだことは彼らを驚かせました。アルゴリズムが予測のために最も重視した統計的特徴は、実験室での地震の直前の前兆事象とは無関係でした。むしろ、それは分散 (信号が平均に対してどのように変動するかの尺度) であり、障害の直前の瞬間だけでなく、スティックスリップ サイクル全体にブロードキャストされました。分散は最初は小さく、その後、地震が発生するまでの間に徐々に上昇します。これは、おそらく、ブロック間の粒子が、増加する剪断応力の下でますます押しつぶされるためと考えられます。この分散を知るだけで、アルゴリズムはスリップがいつ発生するかについて適切な推測を行うことができます。前兆イベントに関する情報は、これらの推測を改善するのに役立ちました.
この発見には、潜在的に大きな意味がありました。何十年もの間、地震予知の専門家は、前震やその他の孤立した地震事象に注目していました。ロスアラモスの結果は、誰もが間違った場所を探していたことを示唆していました — 予測の鍵は、代わりに、大きな地震イベントの間の比較的穏やかな期間に放送されたより微妙な情報にあるということです.
確かに、スライディング ブロックは、真の地質断層の化学的、熱的、および形態学的な複雑さを捉え始めていません。ジョンソン氏は、機械学習が実際の地震を予測できることを示すために、実際の断層でテストする必要がありました。太平洋岸北西部以上にそれを行うのに適した場所はあるでしょうか?
ラボの外
マグニチュード 9 の地震が発生する可能性がある地球上の場所のすべてではないにしても、そのほとんどは沈み込み帯であり、1 つの構造プレートが別のプレートの下に潜り込む場所です。日本のすぐ東にある沈み込み帯が、東北地方太平洋沖地震と、2011 年に日本の海岸線を壊滅させたその後の津波の原因でした。ある日、フアン デ フーカ プレートが北米プレートの下に潜るカスカディア沈み込み帯が、同様にピュージェットを荒廃させるでしょう。サウンド、バンクーバー島とその周辺の太平洋岸北西部。
カスカディア沈み込み帯は、北カリフォルニアのメンドシノ岬からバンクーバー島まで、太平洋沿岸の約 1,000 キロメートルにわたって広がっています。 1700 年 1 月に最後に破裂したとき、マグニチュード 9 の地震と日本の海岸に到達した津波が発生しました。地質学的記録は、完新世を通じて、この断層がおよそ 5000 年ごとに 1 回、数百年かかるか、または数百年かけて、そのような巨大地震を引き起こしたことを示唆しています。統計的に言えば、次の大きなイベントは今世紀中に予定されています。
これが、地震学者がこの地域のスロー スリップ地震に細心の注意を払ってきた理由の 1 つです。沈み込み帯の断層の下流域でのゆっくりとした滑りは、高速で壊滅的な地震が発生する上部の脆弱な地殻に少量の応力を伝えると考えられています。ピュージェット サウンド - バンクーバー島地域でゆっくりとスリップするたびに、太平洋岸北西部の巨大地震の可能性がわずかに上昇します。実際、東日本大震災に先立つ月に、日本ではスロースリップが観察されました。
ただし、ジョンソン氏にとって、スロー スリップ地震に注意を払うべきもう 1 つの理由があります。スロー スリップ地震は、大量のデータを生成します。比較のために、過去 12 年間にピュージェット サウンドとバンクーバー島の間の断層帯で大きな急速地震は発生していません。同じ期間に、この断層は 12 回のゆっくりとしたすべりを引き起こし、それぞれが詳細な地震カタログに記録されています。
その地震カタログは、ジョンソンの研究室の地震実験からの音響記録に対応する現実世界のものです。ジョンソンと彼の同僚は、音響記録で行ったのと同じように、地震データを小さなセグメントに切り刻み、一連の統計機能で各セグメントを特徴付けました。次に、そのトレーニング データを、過去のスロー スリップ イベントのタイミングに関する情報とともに、機械学習アルゴリズムに送りました。
2007 年から 2013 年までのデータでトレーニングされた後、アルゴリズムは、各イベントの数か月前に記録されたデータに基づいて、2013 年から 2018 年の間に発生したスロー スリップについて予測することができました。鍵となる特徴は地震エネルギーであり、実験室での実験における音響信号の分散に密接に関連する量です。分散と同様に、地震エネルギーは各スロー スリップの準備段階で特徴的な方法で上昇しました。
カスカディアの予測は、研究所の地震の予測ほど正確ではありませんでした。予測が観察にどれだけ適合しているかを特徴付ける相関係数は、実験室での研究よりも新しい結果の方が大幅に低かった。それでも、このアルゴリズムは、2013 年から 2018 年の間に発生した 5 つのスロー スリップのうち 1 つを除くすべてを予測することができ、開始時刻を数日以内に正確に特定できたとジョンソン氏は述べています。 (2019 年 8 月に発生したスロー スリップは調査に含まれていませんでした。)
de Hoop 氏にとって重要なポイントは、「機械学習技術によって、これまで特定したことのない、または見たことのないものを探すためのデータ検索への入り口が与えられた」ということです。しかし、彼は、やるべきことがまだあると警告しています。 「重要な一歩が踏み出されました — 非常に重要な一歩です。しかし、それは正しい方向への小さな小さな一歩のようなものです。」
冷静な真実
地震予知の目標は、スロースリップを予測することではありませんでした。むしろ、生命や手足に危険をもたらす突然の壊滅的な地震を予測することです。機械学習のアプローチにとって、これはパラドックスのように見えます。最大の地震、地震学者が最も予測できるようにしたい地震は、最もまれでもあります。機械学習アルゴリズムが自信を持って予測するのに十分なトレーニング データを取得するにはどうすればよいでしょうか?
ロスアラモスのグループは、彼らのアルゴリズムが壊滅的な地震を予測するために実際に訓練する必要がないことに賭けています.最近の研究では、小さな地震の前の地震パターンは、より大きな地震のパターンと統計的に類似しており、特定の日に数十回の小さな地震が単一の断層で発生する可能性があることが示唆されています。何千もの小さな地震で訓練されたコンピューターは、大きなものを予測するのに十分な汎用性を備えているかもしれません.機械学習アルゴリズムは、高速地震のコンピューター シミュレーションで訓練することもできるかもしれません。これは、いつか実際のデータのプロキシとして機能する可能性があります。
しかし、それでも、科学者たちは、断層を地震の危機に瀕させる物理的プロセスは予測可能かもしれませんが、地震の実際の引き金は、小さな地震の擾乱が本格的な断層断裂へと成長することであるという、この冷静な真実に立ち向かうことになるでしょう。ほとんどの科学者は、少なくともランダム性の要素を含んでいると信じています。そうであると仮定すると、機械がどれほどよく訓練されたとしても、科学者が他の自然災害を予測するのと同じように地震を予測することは決してできないかもしれません.
「タイミングに関する予測が何を意味するのかはまだわかりません」とジョンソン氏は述べています。 「ハリケーンみたいになる？いいえ、そうは思いません。」
最良のシナリオでは、大地震の予測には、おそらく数週間、数か月、または数年の時間制限があります。このような予測は、たとえば、地震の前夜に大規模な避難を調整するためにはおそらく使用できません。しかし、公共の備えを強化し、公務員が危険な建物の改修に向けた取り組みを支援し、さもなければ壊滅的な地震の危険を軽減することができます.
ジョンソンは、それを努力する価値のある目標だと考えています。しかし、常に現実主義者である彼は、時間がかかることを知っています。 「私が生きているうちに地震を予知できると言っているわけではありません」と彼は言いました。
この記事はに転載されました Wired.com .
