地震はいずれ機械学習で予報できるようになる

ロスアラモス国立研究所の地球物理学者であるポール・ジョンソンは、地震の科学をより深く理解するための研究の一環として、機械学習によって地震の予測を可能にするツールを開発しました。

このツールは、神経系が物事を学習する方法を単純化したモデルに基づいた、ニューラルネットワークと呼ばれるコンピュータプログラムを使用している。しかし、ニューラルネットワークは膨大な量の学習データを必要としますが、地震にはそれがありません。 大きな地震は、まれな例外を除いて、地球の構造プレートの境界やその近くにある断層が動くことによって起こります。

しかし、ほとんどの断層の地震サイクルは「スティックスリップ現象」と呼ばれるプロセスを経て、数十年かけて発生します。まず、ひずみが蓄積されても断層の動きはほとんどないため、機械学習プログラムに入力するデータポイントが少ないのです。そのため、ジョンソン博士は、システムを学習させるためには、約10サイクル分の地震データが必要だと考えています。 例えば、カリフォルニア州のサンアンドレアス断層（写真）は、約40年ごとに大きな地震が発生しています。

しかし、2017年にジョンソン博士のチームは、機械学習を別のタイプの地震活動に適用しました。 静かな地震とも呼ばれる「スロースリップ現象」も、プレートの動きによって引き起こされます。違いは、地震が通常数秒で終わるのに対し、スロースリップ現象は数時間、数日、あるいは数カ月かかることです。機械学習の観点からすると、このような長いプロセスは、ニューラルネットワークを学習させるためのデータポイントを豊富に生成するため、はるかに優れています。

後者のプレートが前者のプレートの上を定常的に移動すると、約14か月ごとにスロースリップ現象が発生します。地球物理学者は1990年代からこの活動を詳細に記録しています。ジョンソン博士がこれらのデータをもとに開発した機械学習システムは、過去のスロースリップを、その前に発生した地震信号に基づいて「ハインドキャスト」（再予報）し、実際に発生した時期と1週間程度の差で「予測」することができました。

しかし、このようなことが起こらなくても、ジョンソン博士のスロースリップ・プロジェクトは、機械学習の技術が実際に地震現象に有効であることを示唆しています。したがって、データの不足を補う方法さえあれば、地震にも適用できる可能性があります。 ジョンソン博士のチームは、実験室で発生した地震の数値シミュレーション（物理システムの重要な要素を捉えたコンピュータモデル）を作成し、それをもとに機械学習システムを学習させて、代理地震の経過を予測できるようになるかどうかを調べました。

微調整されたシミュレーションデータと本物のデータを組み合わせることで、実験室の地震がいつ発生するかを予測する効果は格段に上がりました。 地震予測のための次のステップは、同じアプローチを実際の地質断層（今回はおそらくサンアンドレアス）に適用することです。 機械学習システムは、断層の数値シミュレーションから得られたデータと、半サイクル分の実測データを使って訓練されます。 ジョンソン博士のチームは今度はトレーニングデータに含まれていない事象を再予報するのに十分かどうかを調べようとしています。