INRA-Transformer: A Multi-Scale Hybrid Vision Transformer for Precise Seismic Deformation Mapping of the 6.1 Mw Sındırgı Earthquake

地球は絶えず変動しており、時には数秒間で地形を塗り替えてしまうような、突然の激しい衝撃に見舞われることもあります。これらの動きを理解し、将来の危険に備えるために、科学者たちは地面がどのように動いているのかを、人間の髪の毛の幅ほどの精度で正確に把握する必要があります。この仕事において最も強力な道具の一つが、「差分干渉合成開口レーダー（Differential Interferometric Synthetic Aperture Radar）」と呼ばれる技術です。地球を周回する人工衛星を想像してみてください。その衛星はレーダー波を地上に向けて発信し、それが地面に跳ね返って戻ってくる様子を捉えます。地震の前に送られた波と、地震の後に送られた波を比較することで、科学者は衛星と地表との間の距離の極めて微細な変化を測定することができます。これにより、地面の動きを示す色彩豊かなマップが作成されます。そこでは、それぞれの色の帯が、特定の移動量を表しています。しかし、これらのマップはしばしば乱雑です。レーダー信号は、大気の影響や地表の質感の変化、あるいは画像間の経過時間によってかき乱され、地震の真実の姿を隠してしまう静的なノイズ（砂嵐）を生み出すことがあります。

長年、研究者たちはコンピュータープログラムを用いてこれらのマップを整理し、最も危険な領域を特定しようと試みてきました。初期の手法は単純な統計的ルールに依存していましたが、それらは全体像を捉えることに失敗することがよくありました。その後、畳み込みニューラルネットワーク（Convolutional Neural Networks）として知られるより高度なコンピューターシステムが普及しました。これらのシステムは、地面の一部分の質感のような局所的なパターンを見つけ出すことには非常に優れていますが、離れた部分同士を結びつけることには苦労します。これらは、地震の中心部から数マイル離れた安定した地盤へと続く、長くうねるような動きのラインを見逃してしまうことがよくあります。さらに新しいタイプのコンピューターモデルである「ビジョン・トランスフォーマー（Vision Transformer）」は、これを解決するために設計されました。これは、画像全体を一度に俯瞰し、すべての部分が他の部分とどのように関連しているかを理解するものです。それでもなお、これらの強力なモデルでさえ、地面がどこで割れたのかを正確に見極めるために必要な、極めて微細で決定的な詳細を見落としてしまうことがあります。

トルコのスンドゥルグイ（Sındırgı）地域で発生したマグニチュード6.1の地震に焦点を当てた最近の研究において、研究者のイリヤス・アスラン（İlyas Aslan）は、この溝を埋めるための新しい種類のコンピューターモデルを開発しました。その目的は、地球の広範かつ全域的な動きと、断層線の微細で局所的な詳細の両方を同時に捉えるシステムを作ることでした。アスランは「INRA-Transformer」と呼ばれるハイブリッド構造を作成しました。このモデルは、二つの世界の最良の部分を組み合わせたものです。まず、異なるサイズの複数のレンズを通して地面を見る特殊な開始レイヤーを使用することで、小さなさざ波と大きな変動の両方を捉え、次に、それらの変動が景観全体の中でどのように結びついているかを理解するためのグローバル・アテンション（全域的注意）システムを使用します。決定的なのは、このモデルが局所的な詳細を鮮明に保つメカニズムを備えていることであり、これにより、地震の滑らかで連続的な動きのラインが処理過程で失われることがなくなります。

研究者たちは、ヨーロッパの人工衛星によって収集されたスンドゥルグイ地震の実データを用いて、この新モデルのテストを行いました。彼らは、乱雑で色彩豊かなレーダーマップをコンピューターに入力し、地面を「安定」「低移動」「中程度の移動」「高い移動」「非常に高い移動」の5つのカテゴリーに分類するよう求めました。結果は驚くべきものでした。この新モデルは、分析したケースのほぼ98パーセントにおいて、地面の動きのタイプを正確に特定しました。特に、地面が最も大きく動いた最も危険なゾーンに注目した場合、モデルの正解率は99パーセントを超えていました。これは、中程度の移動と高い移動の区別に苦労したり、レーダー信号を曇らせる大気のノイズに惑わされたりすることが多い、現在使用されている標準的なモデルと比較して、大幅な進歩です。

コンピューターが単に推測したり答えを暗記したりしているのではないことを確認するために、研究者たちは、モデルが決定を下す際に実際に「何を見ているのか」を可視化する手法を用いました。その結果、モデルはまさに注視すべき場所、つまり地面がシフトした鋭い物理的なラインに注意を向けていることが分かりました。モデルは、大気によるランダムなノイズや土壌の変化を、重要でない背景として自然に無視していました。これは、モデルがデータのショートカット（近道）を見つけたのではなく、地震の実際の物理学を学習したことを証明しています。マグニチュード6.1の事象の変形をこれほど高い精度でマッピングすることに成功したこの研究は、局所的な詳細とグローバルな文脈を組み合わせることが、地球の動きを読み解く鍵であることを示しています。このアプローチは、地震活動を監視するためのより明確で信頼性の高い方法を提供し、災害を評価し、私たちの惑星の複雑なメカニズムを理解するために必要な正確なマップをもたらします。