深層ニューラル表現による津波反演

沿岸の安全にとってなぜ重要か

海辺に住む人々は、来たる津波から逃れるために早期警報を頼りにしていますが、現行のシステムは異例の事象やセンサー故障に直面すると十分に対応できないことがあります。本研究は、現代の人工知能の発想が洋上の波をより柔軟かつ迅速に読み取り、どの沿岸がより危険にさらされているかについてより明確な指針を出す手助けになることを示しています。

海底の揺れから沿岸の波へ

大きな地震、地すべり、火山の爆発などが海面を乱すと、発生した津波は海盆を越えて伝播します。どこにどれだけの強さで到達するかを予測するには、初期に乱れた水面の形状を知る必要があります。しかし、その「出発図」を再構築するのは意外に難しい。発生源の不確実な詳細、海底地形、潮汐、さらにはセンサー記録の欠落や飽和などに依存するからです。従来手法は特定の断層モデルを仮定して大量のシナリオを事前計算することが多く、巨大な記憶領域を必要とし、実際の事象が想定と異なると対応が難しくなります。

断層ではなく海を聞く

著者らは別の視点を提案します。海底の滑り方に注目するのではなく、海がどう応答するかに直接注目するという考え方です。彼らはグリーン関数と呼ばれる道具で海を記述します。これは単純に「この一点で水面を短時間持ち上げたら、各センサーにはどんな波が届くだろうか？」に答えるものです。理論上、こうした各点の応答を組み合わせれば、洋上センサーで観測された波から元の持ち上がった（あるいは沈んだ）水域を逆に求めることができます。その再構築されたパッチが沿岸へ向かう津波の詳細シミュレーションの出発点になります。

ニューラルネットで海の振る舞いを圧縮する

実際には、現実的な海域を細かい格子で覆うと、可能な発生点やセンサー位置は膨大になります。すべてのグリーン関数をそのまま保存すると数百ギガバイトに達し、緊急の予測を遅らせます。これを避けるために、研究チームは深層ニューラルネットワークを小さな関数「圧縮器」として使います。これらのネットワークは、発生点と受信点の位置、近傍の海底の小さな地形図を入力として受け取り、両者間を伝わる波形全体を出力します。日本周辺で多数の数値シミュレーションを用いて学習させることで、ネットワークはこれらの信号を高精度で再現する術を獲得し、膨大なデータ表を数百万パラメータのモデルに置き換えます。

センサーデータから逆算する

このコンパクトな海モデルを手に、研究者らは主要課題に取り組みます。すなわち実際のまたはシミュレーションされたセンサー記録から初期の水面擾乱を推定することです。彼らは各格子セルの隆起の強さを調整する反復探索を設定し、センサーで予測される波が観測波とできるだけ一致するようにします。同時に、生成される擾乱は面積的に集中し、滑らかに変化することを好むよう制約を設けており、これは現実の津波の発生様式を反映しています。ニューラルネットは任意のセンサー位置の波応答をオンザフライで生成できるため、同じ学習済みモデルが稼働中のセンサーの組合せや故障に応じて再学習なしで対応できます。

実データと想定事例での検証

著者らはこの手法を、日本近海の過去の地震を収めた広く使われるデータベースから抽出した多数の事例で検証します。日本の高密度海底観測網S-netのデータを用い、たとえ利用可能なセンサーが一部しかない場合やセザーのノイズが加わる場合でも、手法が初期水面パターンをシミュレーション上の真値と高い相関で再構築できることを示します。次に再構築されたパターンを別のニューラルネットに入力して沿岸近くの沖合で数時間先の波高を予測させます。これらの予測は既存の機械学習手法と比べて同等かそれ以上の精度を示し、モデルパラメータは格段に少なく、固定のセンサー配置に依存しない点が優れています。最後に、同じ枠組みで仮想の火山性津波にも対処できることを示し、地震に限らない汎用性を示しています。

将来の警報システムにとっての意義

この研究は深層ニューラルネットワークが大規模な数値モデルの効率的な代理として機能し得ることを示しています。これにより、断層の詳細ではなく海の初期状態に焦点を当てた迅速で柔軟な津波反演が可能になります。初期図の不確実性を減らし、変化するセンサーネットワークに耐性を持たせることで、こうした手法は将来の警報センターがどの沿岸域が危険な波にさらされるかをより適切に判断し、避難や対応のための貴重な時間を稼ぐ手助けになる可能性があります。

引用: Morssy, A., Teal, P.D. & Kleijn, W.B. Tsunami inversion using deep neural representations. Sci Rep 16, 15925 (2026). https://doi.org/10.1038/s41598-026-38002-y

キーワード: 津波予測, 洋上センサー, ニューラルネットワーク, 海面波, 早期警報