都市は騒がしい場所だ。交通機関や電車、機械などから多くの騒音が発生する。多くの場合、騒音はただの不快な存在でしかないが、地震の検知においてはそれが致命的な問題になりかねない。都市の地震ノイズと呼ばれる、にぎやかな都市部で発生する一般的な人為的振動によって、地震センサーのデータから地震の発生が近づいている信号を検知するのが困難になるからだ。
スタンフォード大学の研究チームは、地震の発生を示すより明確な信号を検知する方法を発見した。研究チームは、都市やその他の建築物の地震監視ネットワークの検出能力を向上させるアルゴリズムを開発。研究成果はサイエンス・アドバンシズ誌に4月13日に掲載されている。都市部の地震ノイズを除去することにより、信号品質を全体的に高め、これまで弱すぎて検知できなかった信号を観測、検知できるという。
都市部の地震ノイズを除去するよう学習させたアルゴリズムは、南米、メキシコ、地中海、インドネシア、日本など、地震の多い都市とその周辺の観測所で特に有効と見られる。
地震は、地震計と呼ばれる地盤の振動を連続的に計測するセンサーで監視されている。スタンフォード大学のチームが開発した『アーバンデノイザー（UrbanDenoiser）』と呼ばれる深層学習アルゴリズムは、都市の地震ノイズのサンプル8万個と、地震活動を示すサンプル3万3751個のデータセットで訓練されている。それぞれのノイズは、カリフォルニア州の賑やかな都市であるロングビーチ地域と落ち着いた都市であるサンジャシント地域で収集されたものだ。
このアルゴリズムをロングビーチ地域のデータに適用したところ、より多くの地震を検出し、地震がどこでどのように発生したかを容易に把握できた。また、このアルゴリズムを2014年に同じくカリフォルニア州のラ・ハブラで発生した地震のデータに当てはめると、公式に記録された数値と比較して、「ノイズ除去」されたデータでは4倍の地震検知が観測された。
地震検知に人工知能（AI）を応用した研究は珍しくない。ペンシルベニア州立大学の研究チームは、測定値の変化から将来発生する恐れのある地震を正確に予測するために、深層学習アルゴリズムの訓練に取り組んでいる。地震の発生予測は何世紀にもわたって専門家を悩ませてきた課題だ。また、スタンフォード大学の研究チームは、地震信号の中の地震波の到達時間を測定し、地震の位置を推定するモデルの開発にも取り組んできた。
今回の研究には関わっていないロイヤル・ホロウェイ（ロンドン大学のカレッジの1つ）の地震学者、ポーラ・ケレマイヤー研究員は、深層学習のアルゴリズムは人間の地震学者の負担を軽減できることから、地震検知において特に有益だと述べる。
これまで地震学者らは、地震発生時の地面の動きを記録したセンサーが作り出すグラフを見て、目視で地震発生のパターンを見極めていた。深層学習は大量のデータの切り分けを支援することにより、このプロセスをより速く、より正確に実行できるとケレマイヤー研究員は言う。
「ノイズの多い都市環境でも（このアルゴリズムが）機能することを示すことは、非常に有益です。都市環境におけるノイズは、対処するのが非常にやっかいであり、非常に困難だからです」。