「地震をAIで把握する:研究者が深層学習モデルを公開、予測の精度を向上」

「地震をAIで把握する:研究者が深層学習モデルを公開し、予測精度を向上させる」

研究チームは地震モデルの現状を変革しようとしています。

カリフォルニア大学バークレー校、カリフォルニア大学サンタクルーズ校、ミュンヘン工科大学の研究者たちは最近、地震予測に深層学習をもたらす新しいモデルについて論文を発表しました。

RECASTと名付けられたこのモデルは、現行のモデルであるETASよりも大規模なデータセットを使用し、より柔軟性のある予測を提供できると主張しています。1988年の開発以来、改善はほんのわずかであったETASと比べて、RECASTは大いに進歩したと論じています。

この論文の著者であるケリアン・ダシャー・クズネル、オレクサンドル・シュール、エミリー・ブロドスキー、シュテファン・ギュンネマンは、このモデルをNVIDIAのGPUワークステーションで訓練しました。

「ETASの改善方法を探求する研究分野があります」と、UCバークレーのポスドク研究員であるダシャー・クズネルは語ります。「非常に有用なモデルであり、多くの使用例がありますが、その改善が非常に難しいと感じています。」

AIが地震学を推進する

RECASTの約束は、モデルの柔軟性、自己学習能力、スケーリング能力によって、より大規模なデータセットを解釈し、地震の連続中により良い予測を行うことができるということです。

予測の改善に伴うモデルの進歩は、米国地質調査所やその他の機関が必要な情報を提供する能力を向上させる可能性があります。例えば、火災司令官や他の最初の対応者は、余震に関するより信頼性の高い予測から利益を得ることができます。

ダシャー・クズネルは言います。「予測の側には改善の余地がたくさんあります。そして、様々な理由から、私たちのコミュニティは機械学習の側にはあまり取り組んでいません。保守的なこともありますし、これらは非常に重要な決定であるためです。」

RECASTモデルが注目される

過去に余震予測についての研究は統計モデルに依存していましたが、研究者たちによれば、新たなデータの能力の爆発から利用可能な大規模なデータセットを扱うためには、これはスケールしないとのことです。

RECASTモデルのアーキテクチャは、連続した時間イベントの確率的生成モデルである神経時空ポイントプロセスの発展に基づいています。要するに、過去のイベントの履歴に基づいて次のイベントのタイミングを予測するために使用されるエンコーダー・デコーダーニューラルネットワークアーキテクチャを持っています。

ダシャー・クズネルは、モデルを論文で公開しベンチマークを行うことによって、ETASができることをRECASTがすばやく学習できることを証明し、さらに多くの可能性を持っていると述べています。

「私たちのモデルは生成モデルであり、自然言語処理モデルのように、大きな文や文の段落を生成でき、サンプリングして合成のカタログを作ることができます」とダシャー・クズネルは語ります。「この論文の一部は、古典的な地震学者にこれが正しいモデルであることを納得させるためにあります。過適合していないのです。」

エンハンスドカタログで地震データを向上

特定の地理的な地震データの地震カタログは小さい場合があります。それは今日まで、多くが地震計からの生データのランダムな記録を地震分析者が解釈しているためです。しかし、これもAIの研究者たちがリアルタイムでこれらのP波や他の信号をデータで自動的に解釈するためのモデルを構築している領域でもあります。

一方で、エンハンストデータはこの空白を埋めるのに役立っています。地震カタログのラベル付けされたデータにより、機械学習エンジニアはこれらの生データのソースを再検討し、トレーニングデータとカテゴリの地震数を10倍から100倍に増やすためのエンハンストカタログを作成しています。

「したがって、より多くのデータを収集するために新たな計器を配置するのではなく、データセットを強化するのです」とダシャー・クズネルは述べています。

より大規模なデータセットを他の状況に適用する

大規模なデータセットを用いることで、研究者たちはRECASTが標準のETASモデルに比べて改善された結果を見始めています。

地震予測の最先端を推進するために、ダシャー・クズネルはUCバークレーの学部生チームと共同で、より良い予測のために複数の地域の地震カタログをトレーニングしています。

「自然言語処理の類似性を念頭に置いています。日本の地震活動はカリフォルニアの地震に関する情報提供に有用である可能性が非常に高いです」と彼は述べています。「これは正しい方向に進んでいることが分かります。」

NVIDIA Omniverse Replicatorを使用した合成データ生成について学びましょう。ここをクリックして詳細を確認

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

AI研究

「ハリー・ポッターとは誰なのか?Microsoft ResearchのLLMの概念の忘却を精緻化する方法の内部」

大規模言語モデル(LLM)は、通常、膨大な量の未ラベルデータで定期的にトレーニングされますこれにより、非常に多様な主題の...

機械学習

「クラスタリング解放:K-Meansクラスタリングの理解」

K-Meansクラスタリングアルゴリズムを使用して、隠れたパターンを見つけ、意味のある洞察を抽出する方法を学びましょう

機械学習

「Bingチャットは、最新のリアルタイムな知識を提供する点でChatGPTを上回るのか? 検索補完強化ジェネレーション(RAG)によるご紹介」

近年、大規模言語モデル(LLM)の開発により、人工知能(AI)と機械学習の分野において革新的な変化がもたらされました。これ...

機械学習

オーディオSRにお会いください:信じられないほどの48kHzの音質にオーディオをアップサンプリングするためのプラグ&プレイであり、ワンフォーオールのAIソリューション

デジタルオーディオ処理の分野における重要な課題の一つは、オーディオの超解像度です。これは、低解像度のオーディオデータ...

データサイエンス

「Pythonで簡単に実装するマルチクラスSVM」

この物語では、一般的なソフトマージンとカーネル化された形式でサポートベクターマシンの学習アルゴリズムを実装しますSVMの...

機械学習

Webスケールトレーニング解放:DeepMindがOWLv2とOWL-STを紹介、未知語彙物体検出の革新的ツール、前例のない自己学習技術によって駆動されます

オープンボキャブラリーの物体検出は、さまざまな実世界のコンピュータビジョンタスクにおいて重要な要素です。ただし、検出...