2021年7月より，文部科学省「情報科学技術を活用した地震調査研究プロジェクト」（通称：STAR-Eプロジェクト）の研究課題として，「人工知能と自然知能の対話・協働による地震研究の新展開」（略称：SYNTHA-Seis）が発足した．本研究課題は地震研究所（計算地球科学研究センター，地震予知研究センター，観測開発基盤センター，地震火山情報センター）を中核機関とし，大阪大学大学院基礎工学研究科をはじめとする全国の情報科学・統計科学・数理科学関連の大学・研究機関が参画しており，2026年3月までの約5年間に及ぶプロジェクトである．

　今世紀初頭に始まった現在の第三次人工知能ブームは，いまだに止まるところを知らず，地震分野においても深層学習による地震波形データからのP波やS波の検出能力は，時に経験豊かな地震学者の目を上回ることもしばしばである．しかしながら，地震研究において取り扱う地球内部起源の振動現象には，通常の地震以外にも多種多様なものが混在しており，それらを分類しながら検出する人工知能技術は，まだ確立されたとは言えない．また，地震研究においては現象の検出だけではなく，検出された現象の情報に基づく地震活動の時空間分布や地球内部構造等のモデリングにより，地震の発生環境や発生メカニズムの解明を目指すことが地震防災・減災の観点からも重要である．この地震学におけるモデリングでは，「自然知能」と言うべき人間の頭脳によるところがまだ大きく，人工知能が自然知能を凌駕するまでにはまったく至っていない．本研究課題では，「人工知能と自然知能の対話と協働」をテーマに，深層学習と経験者の目による地震・微動検出手法の深化，および人工知能と自然知能による地震モデリング手法の共進化をねらい，地震研究の新展開と地震防災に貢献する．

　2023年は，波形信号データからの地震波検出を行う深層学習の開発，および低周波地震検出のための観測点選択アルゴリズムの開発を行った．まず，地震波検出のための深層学習モデルとして，Generalized Phase Detection 法 (Ross et al., 2018)を発展させ，地震波形の局所的な情報を地震波検出モデルに組み入れることにより，検出精度の高い地震波判別が可能になった（Tokuda and Nagao, 2023）．群発地震データに適用したところ，他の深層学習モデルと比べて，検出精度の高さを確認することができた．次に，マルチプル・クラスタリング手法を用いて低周波地震検出のための観測点選択を行う手法を開発した（徳田・長尾，2023），この手法によって，低周波地震波形スペクトログラムを用いて，観測点選択，及び選択した観測点における低周波地震検出モデル構築を同時に行うことが可能になった．東北地方のHi-net観測点（観測点数88）で検出した低周波地震データに適用した結果，11個の観測点群に分割できることがわかった．その他の研究として，地震波検出のための深層学習モデルを効果的に転移学習する手法の開発に着手した．人工データ，及び実データへの適用では，これまでの深層学習モデルと比較して誤検出を大幅に抑制できることがわかった．今後は，手法のさらなる精緻化を図っていく予定である．

文部科学省「情報科学技術を活用した地震調査研究プロジェクト」
https://www.mext.go.jp/a_menu/kaihatu/jishin/projects/

令和3年度採択課題：人工知能と自然知能の対話・協働による地震研究の新展開
https://www.eri.u-tokyo.ac.jp/project/SYNTHA-Seis/