時差ニューラルネットワークが実験室の音響放出における圧力に依存しない断層破壊過程を明らかにする

崩壊前に岩石の声を聴く

地震は不意に起きるように見えることがありますが、断層が突然滑るずっと前から、地下深くで無数の小さな亀裂が生まれて成長しています。実験室では、これらの微小な「岩石地震」が高周波の音を放ち、それを記録して解析することができます。本研究は、単純なタイプの人工知能がこれらの音を聴いて、断層成長の共通する三段階パターンを明らかにできることを示しており、そのパターンは周囲の圧力にほとんど依存しないように見えます。これは大規模な地震がどのように準備されるかを理解するための一歩となり得ます。

小さな亀裂が語る大きな物語

花崗岩の塊を押し潰して破壊させると、一度に粉々になるわけではありません。最初は岩石全体で小さな亀裂が発生し、その後それらが整理され、ついには連結して貫通する断層を形成します。それぞれの微視的な亀裂は短い音のパルス、すなわち音響放出を放ち、どこで起きたかや波がどのように伝わったかといった情報を含んでいます。試料の周りに配置したセンサーでこれらの信号を何千も記録することで、損傷がどのように広がり、集積し、最終的に自然の断層を模した一つの破壊へと集中していくかを追跡できます。

岩石の音をシンプルなAIに入力する

この音の「雑音」を解釈するために、著者らは時系列短時間データに適した簡潔な機械学習手法である時差（タイムディレイ）ニューラルネットワークを用いました。あらゆる数値をブラックボックスに投げ込む代わりに、物理的な意味が明確な少数の特徴量を慎重に選びました。いくつかは、波が岩石を伝わる際の挙動、たとえばどれだけ散乱されるかやピークに達するまでの時間などを示します。ほかには、事象がいつどこで起きるかを要約する指標、たとえば繰り返しの速さ、振幅の分布、発生源位置の空間的なクラスタリング度合いなどがあります。これらの特徴量を組み合わせることで、加荷中に岩石内部の構造がどのように変化するかを多面的に描き出せます。

異なる圧力下でも断層成長は同じに見える

研究チームは、比較的低いものから中程度に高いものまでの側圧条件で四つの花崗岩円筒試料を試験しました。これらの条件は、試料をそのまま真っ直ぐ割るような破壊から、斜めのせん断面に沿って滑る破壊まで、異なる可視的な破壊様式を生みます。彼らは音響特徴量を入力としてネットワークに応力とひずみ（岩石の変形）が時間とともにどう変わるかを予測させ、常に一つの圧力条件を検証用に除外して学習しました。データセットは小さかったものの、モデルは主要な破壊時の応力降下を含め、すべての圧力と破壊様式で応力・ひずみの蓄積と解放を再現することに成功しました。このクロステストにより、断層発達を追跡する主要な音響パターンは岩石を取り巻く圧力の大小にあまり依存しないことが示されました。

明らかになった三つの隠れた段階

時差ネットワークが比較的単純であるため、著者らは各加荷段階でモデルがどの特徴量を最も重視しているかを追うことができました。その結果、明瞭な三相の物語が浮かび上がりました。最初の「核生成（ヌクレーション）」段階では亀裂が散在し孤立しているため、イベントの頻度や大きさの分布といった発生数・規模を数える統計が支配的でした。加荷が進んで「相互作用（インタラクション）」段階に入ると、事象の空間的クラスタリングが重要になり、亀裂同士が影響し合いネットワークを形成し始めていることを示します。破壊直前の「連結（コアレッセンス）」段階では、モデルは散乱の増加やピーク遅延の急激な変化といった波形に基づく指標に注目を移します。これは、媒質が高度に破砕され、出現しつつある断層に沿って波動エネルギーが導かれるようになったことを反映しています。

実験室を越えて意義がある理由

本研究は、散在する亀裂から組織化された破壊へと至る断層の成長の多くが、少なくともこの花崗岩の場合には圧力条件に強く依存しない共通のパターンに従うことを示唆しています。フィールドでの微小地震や能動的な地震探査から同様の音響特徴量が抽出できれば、同じ枠組みで自然断層がどの段階にあるか、あるいは連結へ移行しているかを特定する助けになる可能性があります。センチメートル規模の試料から地殻規模の断層へとスケールを拡張するのは困難ですが、本研究は比較的透明性の高い機械学習手法が実験室の観測と実地のモニタリングをつなぐことを示しており、大きな地震に先立つ微妙な信号を聴き取るためのより物理的に根拠のある手法を提供することを示しています。

引用: King, T., Vinciguerra, S.C. Time delay neural networks reveal pressure-independent fault rupture processes in laboratory acoustic emission. Commun Earth Environ 7, 338 (2026). https://doi.org/10.1038/s43247-025-03003-8

キーワード: 地震の前兆, 音響放出, 断層力学, 地球科学における機械学習, 岩石破壊実験