ディープラーニング「DeepStrain」がサンアンドレアス断層の隠れたスロースリップを発見——AIが拓く地震学の新たな地平

パークフィールド地域に適用したところ、DeepStrainは注目すべき結果を達成した。従来の手動カタログにあったSSEの90%を検出しただけでなく、手動解析では見逃されていた21個の新しいSSEを特定したのだ 。これは既知のイベントカタログを約30%増加させるもので、この集中的に研究されてきたサンアンドレアス断層区間の断層挙動について、はるかに完全な全体像を提供する。

低周波地震との時間的関連性

おそらく最も重要な発見は、新たに検出されたSSEと低周波地震（LFE）のタイミングを分析した際に得られた。データは、スロースリップ事象の後に、しばしば低周波地震が発生していることを示した 。この時間的な順序は、非地震性のスロースリップが地震性のパッチに負荷をかけ、それが後にLFEを発生させるという因果メカニズムの存在を強く示唆している。

この結果は、パークフィールド付近の震動とLFE活動がスロースリップ事象と同じモーメント・継続時間スケーリング則を共有しており、物理的に関連していることを示す先行研究と一致する 。低周波地震は長らく、周囲の非地震性滑りの地震学的指標と解釈されてきたが 、DeepStrainは個々のスローイベントがこれらの微小地震に先行し、おそらくはそれを誘発していることを示す、これまでで最も明確な測地学的証拠を提供した。

断層監視と地球物理学におけるAIへの示唆

検出能力の拡大

DeepStrainは、AIがGPSネットワークや手動による歪計分析の検出閾値を下回る測地学的信号を抽出できることを実証した。この拡張されたSSEカタログにより、断層挙動、再来間隔、そしてより大きな地震に至る条件について、より強固な統計的研究が可能になる 。

非地震性滑りと地震性滑りの因果関係

SSEが系統的にLFEに先行するという観測結果は、スロースリップが近くの断層パッチに負荷をかけ、破壊に近づける可能性があるというモデルを支持する。これは、地震ハザード評価にとって重要な地域であるサンアンドレアス断層における地震の核形成と再来周期を理解する上で、直接的な関連性を持つ 。

リアルタイム運用の可能性

DeepStrainは連続的なボアホール歪計データに適用できるため、より大きな地震に先行する可能性のある一過性の変形をほぼリアルタイムで検出するためのツールを提供する。NOTAネットワークは既に必要な歪計インフラを維持しており、データと処理ツールの両方を研究コミュニティが利用できるようにしている 。これは、地震早期警報システムが測地学的データをどのように組み込むかを変革する可能性がある。

地球物理学におけるAIの先例拡大

この研究は、深層学習が従来の手法では不可視だった地球物理学的信号を系統的に抽出できることを示す、増大する証拠の一つに加わる。カスケード沈み込み帯での震動検出のためのCNNや 、サンアンドレアス断層でのLFE識別のための深層学習など、同様のアプローチは、AIが既存の監視ネットワークの「力の増幅器」として機能することを示してきた 。DeepStrainは、この原理が断層深部での一過性滑りを検出するための重要なセンサーであるボアホール歪計データにも適用できることを証明した。

注意点と未解決の疑問

DeepStrainの正確なアーキテクチャ（畳み込み、リカレント、トランスフォーマーベースのいずれか）については、公開されている要約では詳述されていない。完全な方法論の詳細は、Nature Communicationsの論文（doi: 10.1038/s41467-026-74095-9）に記載されている 。さらに、このアルゴリズムはこれまでパークフィールド区間でのみ検証されている。異なる歪計構成やノイズ特性を持つ他の断層帯での性能については、今後のテストが待たれる。