AI, 샌안드레아스 단층의 '조용한' 지진 활동을 찾아내다

대부분의 지진은 갑작스러운 충격과 함께 발생합니다. 하지만 캘리포니아 샌안드레아스 단층의 파크필드(Parkfield) 구역 깊은 곳에서는 몇 시간에서 며칠에 걸쳐 에너지를 서서히 방출하는 훨씬 조용한 움직임, 즉 '느린 미끄러짐 현상(SSE: Slow Slip Event)'이 일어나고 있습니다. 이 현상은 지진파를 동반하지 않아 그동안 탐지가 매우 어려웠습니다. 그러나 새로운 딥러닝 알고리즘 **'딥스트레인(DeepStrain)'**이 이 침묵의 움직임이 생각보다 훨씬 더 자주 발생하며, 저주파 지진(LFE: Low-Frequency Earthquake)이라는 미세한 떨림을 직접 유발한다는 사실을 밝혀냈습니다 .

보이지 않는 미끄러짐을 찾아내는 도전

느린 미끄러짐 현상을 포착하는 것은 매우 까다로운 일입니다. 시추공 변형률계(BSM: Borehole Strainmeter)는 땅 속 깊은 원통형 구멍에 설치되어 지각의 미세한 변형을 측정하는 장비로, 비지진성 크리프나 에피소드성 떨림 및 미끄러짐(ETS)으로 인한 일시적인 변형을 감지할 수 있을 만큼 민감합니다 . 하지만 규모가 작고 지속 시간이 짧은 SSE의 신호는 잡음이 많은 시계열 데이터 속에 묻혀 인간 분석가가 놓치기 십상입니다 . 전통적으로 지각 운동을 측정해온 GPS 네트워크는 더욱 한계가 뚜렷합니다. 깊은 곳에서 발생하는 SSE의 변형률은 대개 GPS의 탐지 한계보다 훨씬 낮기 때문입니다 .

딥스트레인(DeepStrain)의 작동 원리

독일 포츠담 지구과학연구소(GFZ)의 지구물리학자 자흐라 잘리(Zahra Zali) 박사가 개발한 딥스트레인은 미국 국립과학재단(NSF)의 '아메리카 네트워크(NOTA: Network of the Americas)'에서 운영하는 시추공 변형률계 기록을 특별히 학습한 딥러닝 모델입니다 . 이 알고리즘은 연속적인 변형 데이터 속에서 SSE의 미묘한 파형 패턴을 스스로 인식하도록 훈련되었습니다. 코드와 데이터 전처리 과정은 2025년 8월 공개되어 다른 연구자들도 이 방법을 활용할 수 있게 되었습니다 .

딥스트레인을 파크필드 지역에 적용한 결과는 놀라웠습니다. 알고리즘은 기존에 수동으로 분류된 SSE의 90%를 정확히 탐지했을 뿐만 아니라, 인간의 분석에서 놓쳤던 21개의 새로운 SSE를 추가로 찾아냈습니다 . 이는 기존에 알려진 SSE 목록을 약 30%나 증가시킨 것으로, 세계에서 가장 집중적으로 연구된 이 단층 구간의 활동에 대한 훨씬 더 완전한 그림을 제공합니다 .

저주파 지진과의 시간적 연결고리

가장 중요한 발견은 새롭게 발견된 SSE와 저주파 지진(LFE)의 발생 시점을 분석하는 과정에서 나왔습니다. 데이터는 느린 미끄러짐 현상이 발생한 직후 저주파 지진이 뒤따르는 명확한 패턴을 보여주었습니다 . 이처럼 시간적 순서가 일치한다는 것은 비지진성 느린 미끄러짐이 지진성 파열을 일으키는 지점에 응력을 가하거나 방아쇠 역할을 한다는 강력한 증거입니다.

이 결과는 파크필드 지역의 떨림(tremor)과 LFE 활동이 SSE와 동일한 '모멘트-지속시간' 규모 관계를 공유한다는 기존 연구 결과와도 일치합니다 . 저주파 지진은 오랫동안 주변의 비지진성 미끄러짐을 반영하는 지진학적 지표로 여겨져 왔지만, 딥스트레인은 개별적인 느린 미끄러짐 사건이 그 작은 지진들을 선행하고 유발한다는 가장 명확한 지구물리학적 증거를 제시했습니다 .

단층 모니터링과 지구물리학에서 AI의 의미

탐지 능력 확장

딥스트레인은 인공지능이 GPS 네트워크나 수동 분석의 탐지 한계보다 훨씬 약한 지구물리학적 신호까지 추출할 수 있음을 보여주었습니다. 이렇게 확장된 SSE 목록은 단층의 행동 양식, 재발 간격, 더 큰 지진으로 이어지는 조건에 대한 훨씬 견고한 통계적 연구를 가능하게 합니다 .

비지진성 미끄러짐과 지진성 미끄러짐의 인과관계

SSE가 체계적으로 LFE보다 먼저 발생한다는 관찰은 느린 미끄러짐이 인근 단층 패치에 응력을 가해 파열에 더 가깝게 만든다는 모델을 뒷받침합니다. 이는 샌안드레아스 단층의 지진 발생 메커니즘과 재발 주기를 이해하는 데 직접적인 관련이 있으며, 지진 재해 평가에 매우 중요한 지역입니다 .

실시간 운영 가능성

딥스트레인은 연속적인 시추공 변형률계 데이터에 적용될 수 있기 때문에, 더 큰 지진 전에 발생할 수 있는 일시적인 변형을 거의 실시간으로 감지하는 도구를 제공합니다. NOTA 네트워크는 이미 필요한 변형률계 인프라를 갖추고 있으며 데이터와 처리 도구를 연구 커뮤니티에 제공하고 있습니다 . 이는 지진 조기 경보 시스템이 지구물리학적 데이터를 통합하는 방식을 혁신적으로 바꿀 수 있는 잠재력을 지닙니다.

지구물리학 분야에서 AI의 확장

이 연구는 딥러닝이 전통적인 방법으로는 볼 수 없는 지구물리학적 신호를 체계적으로 추출할 수 있다는 점을 보여주는 또 다른 사례입니다. 캐스케이디아 지역의 CNN 기반 떨림 탐지, 샌안드레아스 단층의 딥러닝 기반 LFE 식별과 같은 유사 연구들은 AI가 기존 모니터링 네트워크의 '힘의 배율(force multiplier)' 역할을 할 수 있음을 보여주고 있습니다 . 딥스트레인은 이 원칙이 단층의 깊은 뿌리에서 일어나는 미끄러짐을 감지하는 핵심 센서인 시추공 변형률계 데이터에도 적용될 수 있음을 입증했습니다 .

한계와 향후 과제

딥스트레인의 정확한 아키텍처(컨볼루션, 순환 또는 트랜스포머 기반 설계 여부)는 공개된 요약 정보에 자세히 나와 있지 않습니다. 전체 방법론에 대한 자세한 내용은 네이처 커뮤니케이션즈 논문(doi: 10.1038/s41467-026-74095-9)에서 확인할 수 있습니다 . 또한 이 알고리즘은 현재까지 파크필드 구간에서만 검증되었으며, 다른 변형률계 구성이나 잡음 특성을 가진 단층대에서도 동일한 성능을 보일지는 추가 테스트가 필요합니다.