長尾・伊藤研究室

Copyright © NAGAO & ITO Lab.
Earthquake Research Institute,
The University of Tokyo
All rights reserved.

研究概要

データ同化のための新しい4次元変分法

「データ同化」は、数値シミュレーションモデルと観測・実験データを、ベイズ統計学の枠組みで統融合するための計算技術であり、現代の気象予報はデータ同化が支えていると言っても過言ではありません。 気象予報を始めとする大規模な数値モデルに基づくデータ同化では、主に「4次元変分法」と呼ばれる手法が用いられていますが、従来の4次元変分法は、予測結果の不確実性を評価することができませんでした。 例えば、台風の進路予測でしばしば用いられる予報円は、中心位置の予測に関する不確実性を表現したものですが、これは4次元変分法とは異なる手法を用いて算出されています。

長尾研究室では、「2nd-order adjoint法」と呼ばれる手法を導入することにより、予測結果の不確実性評価が可能な新しい4次元変分法の開発に成功しました。大規模数値モデルに基づくデータ同化の場合でも、異なるデータ同化手法をアドホックに組み合わせることなく、この新手法によって予測およびその不確実性評価を統一的に実施することが可能となりました。

今後、本手法の様々な分野への展開が期待されます。本研究の詳細については、下記の論文をご覧下さい。
Ito, S., H. Nagao, A. Yamanaka, Y. Tsukada, T. Koyama, M. Kano, and J. Inoue
Data assimilation for massive autonomous systems based on a second-order adjoint method
Phys. Rev. E94, 043307, doi:10.1103/PhysRevE.94.043307, 2016.

古記録からの微動検出に向けた深層学習モデル

2002年に深部低周波微動(微動)という通常の地震とは異なる性質を示す振動現象が世界で初めて観測されました。それ以降、微動に関する多くの研究がなされており、将来起こりうる巨大地震の予測に活用できるかもしれないと期待されています。しかし、現状では微動に関するデータは直近の約20年分しか存在せず、数十年から数百年の周期を持つ巨大地震との間の関係性を明らかにするためには、より長期間のデータが必要とされます。

本研究では、約50年前の振動波形が直接紙に書き記されている地震記録のスキャン画像から、専門家の目視による検出に代わって効率的に微動を検出するため、深層学習手法の一つである畳み込みニューラルネットワーク(CNN)に基づくモデルの開発に着手しました。古記録をもとに作成した人工波形画像を用いてモデルの学習を行った数値実験では、各画像に微動が含まれるかどうかのみを正解として与えた教師データを学習に用いたのにもかかわらず、モデルは画像内のどの部分に微動が含まれるかまで正しく検出できることが確認されました。

現在は、実際の古記録への適用に向けて実データを用いたモデルの学習・改良に取り組んでいます。本研究の詳細については、下記の論文をご覧下さい。
Kaneko, R., H. Nagao, S. Ito, K. Obara, and H. Tsuruoka
Convolutional neural network to detect deep low-frequency tremors from seismic waveform images
Lecture Notes in Computer Science, Vol. 12705, pp. 31-43, doi:10.1007/978-3-030-75015-2_4, 2021.

磁性体で発生する相転移の理論的予測

「相転移」とは、温度や外場などを変化させたときに、物質の中での状態が大きく変わってしまう現象のことを指します。相転移のことを研究する上で、一番簡単なモデルが磁石です。とても薄いある種の磁性体のフィルムに外から磁気的な刺激を与えたのちに刺激を取り去ると、フィルムの上に磁力の強い場所と弱い場所の模様ができることが知られています。

本研究におけるコンピュータシミュレーションによって、この模様には大きく分けて3種類あることが分かりました。これらの模様にはお互いに徐々に変わるのではなく、ある値を超えると突然次の模様に変わる、という性質があります。これは相転移の典型的な例です。また、これらの模様は空間の対称性とスピンの対称性(N極とS極を入れ替える)によって自然に分類されることも分かりました。

本研究では,どの種類の模様ができるかを,対称性による相の分類を取り込んだ新しい方法を使って理論的に予測することに成功しました。そうやって得られた理論的な結果は、実際にコンピュータでシミュレーションした結果ともほぼ合っていることが確かめられました。今後は、磁石や岩石のような相転移を示す物質に対して、その物質の持っている見えないパラメータの値を推定するために,本手法を応用することを目指しています。本研究の詳細については、下記の論文をご覧下さい。
Anzaki, R., S. Ito, H. Nagao, M. Mizumaki, M. Okada, and I. Akai
Phase prediction method for pattern formation in time-dependent Ginzburg-Landau dynamics for kinetic Ising model without a priori assumptions of domain patterns
Phys. Rev. B103(9), 094408, doi:10.1103/PhysRevB.103.094408, 2021.

首都圏地震動イメージング

巨大地震発生時に都市部における構造物の揺れを即時的に評価することは、構造物の被害の推定だけでなく地震後の迅速な復旧活動や二次的な災害の軽減につながります。構造物の揺れを計算するためには構造物直下における地震動を与える必要がありますが、すべての構造物において地震動を直接観測することは現実的ではありません。しかしながら、関東地方では首都圏における地震像の解明を目的として、2007年度以降、首都圏地震観測網(MeSO-net)が整備されています。都心部を中心に数kmの観測点間隔でおよそ300点の地震計が設置されており、稠密な観測網の一つといえます。先行研究(Kano et al., 2017)では、限られた地震観測記録から、レプリカ交換モンテカルロ(REMC)法により観測機器のない場所での地震動を推定する「地震動イメージング手法」を開発しました。

本研究では、この手法を実際にMeSO-netで得られた観測記録に適用して首都圏の地震動イメージングを行った上、構造物の揺れの簡易評価に用いられる速度応答スペクトルを計算しました。その結果、高層建築物で卓越する周期5-10秒の長周期地震動に対して、観測波形の大部分を説明可能な地震波動場のイメージングに成功しました。観測波形が再現されている上、推定された応答スペクトルも観測から得られる応答スペクトルと良い一致を示しました(図)。また、様々な規模の構造物の揺れの評価に向けて、周期1-10秒の地震動イメージングを行ったところ、振幅の大きな成分の直達波の地震動がある程度再構築でき、また応答スペクトルを再現することに成功しました。この結果は、構造物の応答評価という観点において、地震動イメージング手法が1秒程度の短周期帯まで適用可能であることを示しています。

今後の地震動イメージング手法の更なる高度化や高速化により、将来的に地震発生時の即時的な被害推定や二次災害の軽減に貢献することが期待されます。本研究の詳細については、下記の論文をご覧下さい。
Kano, M., H. Nagao, K. Nagata, S. Ito, S. Sakai, S. Nakagawa, M. Hori, and N. Hirata
Seismic wavefield imaging of long-period ground motion in the Tokyo Metropolitan area, Japan
J. Geophys. Res. Solid Earth122, doi:10.1002/2017JB014276, 2017.