| Project/Area Number |
22K03768
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 17040:Solid earth sciences-related
|
|---|
| Research Institution | Japan Agency for Marine-Earth Science and Technology |
|---|
Principal Investigator |
Sugiyama Daisuke 国立研究開発法人海洋研究開発機構, 付加価値情報創生部門(地球情報科学技術センター), 准研究主幹 (00816184)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
山本 揚二朗 国立研究開発法人海洋研究開発機構, 海域地震火山部門(地震津波予測研究開発センター), 主任研究員 (10540859)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Completed (Fiscal Year 2024)
|
| Budget Amount *help |
¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000)
Fiscal Year 2024: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000)
Fiscal Year 2023: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2022: ¥2,210,000 (Direct Cost: ¥1,700,000、Indirect Cost: ¥510,000)
|
|---|
| Keywords | 深層学習 / 低周波地震 / 並列計算 / 機械学習 / 並列処理 / 南海トラフ / DONET / 地震イベント検出 / 地震シミュレーション / GPU並列計算 / フレームワーク開発 |
|---|
| Outline of Research at the Start |
南海トラフ沖を始めとする海底観測網で観測されるゆっくり起こる地震、つまり低周波地震・超低周波地震等には、人間に発見できなかった未発見の地震があるのだろうか？これらのシグナルはノイズとの違いが不鮮明、そして長期間に渡る観測であることから正確な答えを出すのは困難である。数百TBの地震観測データをAIで学習し、これらの自動検出技術を創出するため、高速に並列GPU学習・推定可能な地震学向け並列深層学習フレームワークを開発する。フレームワークの有効性が確認できれば、地震イベントのカタログ作成の高精度自動化への基盤となるだけでなく、巨大地震発生過程へ知見提供など波及効果が期待できる。
|
| Outline of Final Research Achievements |
We have developed a parallel GPU deep learning framework for seismology aimed at improving the detection accuracy of "slow earthquakes" (low-frequency tremors, ultra-low-frequency earthquakes, slow slip events, etc.) that occur near plate boundary faults. This framework enables efficient training and inference by directly processing the approximately 20 TB of continuous observation data from the Dense Oceanfloor Network for Earthquakes and Tsunamis (DONET). During performance evaluation on the Earth Simulator 4, we achieved a 2.6 hours reduction in computation time from 20 hours through parallel processing using 8 GPUs.
|
| Academic Significance and Societal Importance of the Research Achievements |
本研究では、南海トラフ等で発生する巨大地震の手がかりとなり得る「ゆっくり地震」の高精度検出のため、地震学向けAI並列GPU計算フレームワークを開発した。従来手法では数十TBの連続波形データ処理に膨大な時間を要し、ノイズに埋もれた微小な地震シグナルの検出を直接行うことは困難であった。開発したフレームワークによりCPU比較で7.5倍の高速化、さらに複数GPUによる性能向上を実現し、AIの処理時間を1GPUで20時間から8GPUで2.6時間へと短縮した。本フレームワークにより巨大地震発生メカニズム解明に向けたAI解析手法開発を加速し、地震防災研究の飛躍的進展に寄与する基盤技術を確立した。
|
