複数の地震計データを用いた人工知能解析により、地震や地下核実験などの微弱な地震波検出精度が大幅に向上することが、ノルウェーの研究財団NORSAR主導の新たな研究で明らかになった。本研究は、30年分にわたるSvalbard地域SPITS観測網の記録を基に、A. Köhler氏らが実施したもので、学術誌Journal of Geophysical Research: Machine Learning and Computationに発表された。 単一の地震計では信頼性の高い検出が困難なため、従来は狭い地域に分散配置した複数の地震計データを組み合わせて解析が行われてきた。本研究では、AIモデルを三つの異なる手法で訓練し、その性能を比較した。第一に各観測点の単独データを個別に訓練し結果を統合する方法、第二に古典的手法で観測点データを事前に合成してから訓練する方法、第三に全観測点の生データをAIに与え、結合方法を自律的に学習させる方法である。 結果、第二の手法が微弱信号の増幅と検出精度において最も優れ、第三の手法が計算効率と処理速度で最良となり、精度面では中間の性能を示した。研究者たちは、リアルタイム監視にはAIの自律結合を用いることを推奨し、処理速度が重視されない場合には事前合成または事後統合を採用するよう提案している。 一方で、同モデルは訓練データが地域限定されていたため、訓練域外への適用では精度が低下する課題が残された。特にS波の検出で一般化が困難であったが、P波については問題とならなかった。今後は全球規模のデータで訓練を拡張することで、検出性能のさらなる向上が期待される。 本研究成果は、従来の技術では見逃されがちだった微弱な地震活動や核実験兆候の抽出を可能にし、グローバルな地震監視システムの高度化に寄与するものである。AIの活用により、地震学の実践的な監視プロセスに新たな最適解が提示された。