ニュージーランドのエッジ機器でリアルタイム地震P波検出を行う軽量畳み込みニューラルネットワーク

命を救える数秒

地震が発生したとき、数秒の先行通知が安全と災害を分けることがあります。本研究は、小型で低コストのコンピュータと高度なアルゴリズムを組み合わせることで、最も初期の地震の波を十分に迅速に検出し、最も強い揺れが到達する前に人や自動化システムへ警報を出せる可能性を探ります。ニュージーランド特有の地盤特性に合わせて手法を調整することで、著者らは高性能な早期警報が大規模なデータセンターに依存する必要はなく、現地のセンサーに直接取り付けられるほど小さな機器上で動作できることを示しています。

最初のかすかな揺れが重要な理由

地震は複数の種類の波を放出します。最も早く届くのはP波で、通常は弱いものの、後から来るより破壊的な波よりも先行して伝わります。これらの最初のかすかな揺れを迅速かつ確実に検知できれば、机の下に隠れる、列車を止める、手術を一時停止する、ガスバルブを閉めるといった行動のための警報を送る時間が確保できます。従来の手法は信号の単純な変化を探すものですが、交通や機械、風によるノイズで誤検知しやすく、反応が遅れることがあります。近年の深層学習手法は精度が高い一方で、強力な計算機と長時間のデータを必要とすることが多く、センサー近傍の小型デバイスで動かすのは難しい場合が多いです。

小さなモデルに“賢い聞き方”を教える

研究者らは、この課題に取り組むために畳み込みニューラルネットワークというコンパクトな深層学習モデルを設計しました。30秒以上の振動を必要とする代わりに、本システムはわずか2秒のデータで動作し、特に高速です。P波だけでなく、より強いS波や通常の背景ノイズも識別するように学習させました。そのために、ニュージーランド全国の強震計網から約89,000件の記録を利用し、センサーからおおむね100〜150キロ以内、マグニチュード3.0以上の事象に着目しました。各90秒の記録はクリーンアップとフィルタリングが施され、P波、S波、ノイズを表す短いウインドウに切り出されることで、信号がノイズにわずかに勝るような多くの実際の状況を含む幅広い事例をモデルに学習させました。

極小のフットプリントに力を詰め込む

低コストなハードウェア向けに設計するため、モデルは非常に効率的でなければなりませんでした。チームはネットワークの層数やフィルタ数を調整した多数のバージョンを検討し、精度と必要な計算量の両方を測定しました。これらの要素を単一のスコアにまとめることで、追加の複雑さが実際の利得をもたらさなくなる点を見極めました。この探索の結果、最終設計は約38,000個の調整可能なパラメータにとどまり—既存の多くの地震モデルより遥かに少ない—それでもテスト区間全体で約97％、P波例では98％の正解率を達成しました。広く流通しているホビイスト向けコンピュータであるRaspberry Pi 5上での試験では、各判定に約0.0065秒を要し、プロセッサコアのごく一部しか使用せず、1週間連続運用しても安全な温度範囲内に収まりました。

大地震と安価なセンサーでの実証

システムが実際に重大な地震へ対応できるかを試すために、著者らは学習データに含めていない強震である2016年のカイコウラ地震にも適用しました。重なり合う2秒ウインドウと入力信号の単純なリスケーリングのみを用いて、モデルは最大200キロ離れた観測点でも最初のP波を検出し、強い揺れがピークに達する何十秒も前に検出することが多くありました。また、Raspberry Shakeのような低コストセンサーのデータでも良好に動作しました。これらは専門機器より雑音が多いものの設置は容易で、再学習を行わなくてもマグニチュード3.6の事象で複数のRaspberry Shake観測点においてP波・S波を明瞭に検出でき、異なる機器間で“聞き分け”能力が移転することを示唆しました。

日常の安全への意味合い

本研究は、信頼性が高く迅速な地震検出を、国内に散在する安価なエッジ機器上で動作するほど小さく効率的なモデルに詰め込むことが可能であることを示しています。各センサー上で数秒以内に反応する一次トリガーとして機能することで、このシステムはより大規模なネットワークや揺れの強さや到達地点を詳しく推定する分析へと情報を供給できます。ニュージーランドのような地震多発地域に住む人々にとって、このアプローチは高価で中央集権的なインフラに完全に依存することなく、より早い警報の可能性をもたらします—将来的には煙探知機と同じくらい普及した、よりアクセスしやすく回復力のある早期警報システムへの道を開くものです。

引用: Ravishan, D., Prasanna, R., Herath, P. et al. Lightweight convolutional neural network for real-time earthquake P-wave detection on edge devices in New Zealand. Sci Rep 16, 11536 (2026). https://doi.org/10.1038/s41598-026-42568-y

キーワード: 地震早期警報, P波検出, エッジコンピューティング, 深層学習, ニュージーランドの地震学