地震火山史料連携研究機構で構築した「地震史料集テキストデータベース」を公開いたしました。
震災予防評議会（旧震災予防調査会）や地震研究所から発行された史料集をオンラインデータベースにしたものです。ぜひご利用ください。
https://materials.utkozisin.org/

東京大学国際ミュオグラフィ連携研究機構は、同大学生産技術研究所、大気海洋研究所、大学院新領域創成科学研究科、および九州大学、英国シェフィールド大学、英国ダラム大学、英国科学技術施設会議ボルビー地下実験施設、イタリア原子核物理学研究所、イタリアサレルノ大学、イタリアカターニャ大学、ハンガリーウィグナー物理学研究センター、チリアタカマ大学、フィンランドオウル大学Kerttu Saalasti研究所と共同で、世界初となる海底ミュオグラフィセンサーアレイ（HKMSDD：Hyper KiloMetric Submarine Deep Detector）の一部を東京湾アクアライン海底トンネル内部に設置し、この東京湾海底（Tokyo-Bay Seafloor）HKMSDD（TS-HKMSDD）を用いて、令和3年6月1日〜8月18日までの79日間の長期観測を実施した。
詳細：東京大学国際ミュオグラフィ連携研究機構

日時：12月3, 6, 17日 17:00-18:00（日本時間）9:00-10:00（中央ヨーロッパ時間）
場所：Zoomによるオンライン会議
申し込み方法：yaoki@eri.u-tokyo.ac.jp　にメールでお問い合わせください。

言語：英語
無料・どなたでもご参加いただけます

講演者：Roberto Carniel (Università di Udine, Italy)
題目：Data mining in time series: data reduction, machine learning, classification and identification
概要：
A time series can be considered as the evolution of an observable of the dynamical system that produces it. It is therefore theoretically possible to extract, even from a single time series, information about the underlying governing system. This can be done through a procedure called “embedding”, that is based on the intuitive statement that the only time series available carries with it information also about the time evolution of other parameters that we are not able to sample or observe. Carrying out this embedding procedure requires estimates of keyparameters such as the optimal delay time and a proper embedding dimension. Other independent but often conceptually similar procedures allow decompositions of the time series into components that may in turn be associated to different source processes. Other features can be extracted with different methods from a time series. The conceptual idea is always that of keeping only the most significant information hidden in the time series, while conducting a significant compression of the data flow.The key to the characterization of different regimes from a time series is therefore a process of data reduction, aimed at parsing the amount of data into its most useful components which can then facilitate the interpretation of the system. The approaches presented can be used to conduct such a data reduction phase, and the reduced data stream can be used not only for characterizing different regimes, e.g. by applying machine learning techniques, but also for determining significant transitions between them, examining their relationship with external or internal events. In the short course, examples of this approach will be mainly presented through the analysis of volcanic tremor, a continuous signal generated at volcanoes by the movement of magma, gas or hydrothermal fluids. In particular, regime changes can be sometimes associated to the occurrence of tectonic or volcano-tectonic seismic events or paroxysmal eruptive events.

2022年度大型計算機共同利用公募研究及び、拠点間連携共同研究の公募を開始しました。
詳しくは共同利用担当のページをご覧ください。