Self-Arresting Earthquakes Require Event-Specific k-values: A Physics-Informed Deep Learning Framework

기술 요약: 자가 정지형 지진은 이벤트별 k-값을 필요로 한다

문제 제기
지진의 응력 강하(stress drop, $\Delta\sigma$)를 추정하는 것은 기존 스펙트럼 방법론의 체계적 편향으로 인해 지진학에서 여전히 근본적인 과제로 남아 있다. 이러한 방법들은 코너 주파수($f_c$)와 지진 모멘트($M_0$)를 소스 반경과 연결하기 위해 고정된 무차원 형상 계수인 $k$-값에 의존한다. 전통적인 소스 모델(예: Brune, Madariaga)은 지진이 기하학적 또는 강도 장벽을 만나 종료될 때까지 전파되는 "장벽 제어형(barrier-controlled)" 파쇄 메커니즘을 암묵적으로 가정한다. 그러나 최근의 동적 파쇄 시뮬레이션과 이론적 연구는 많은 지진, 특히 소규모에서 중규모 이벤트들이 외부 장벽 없이 에너지 균형이 불리해질 때 스스로 멈추는 "자가 정지형(self-arresting)"임을 나타낸다. 장벽 제어형 모델에서 유도된 고정된 $k$-값을 자가 정지형 파쇄에 적용하면, 코너 주파수와 응력 강하 사이의 관계가 두 파쇄 모드 간에 근본적으로 다르기 때문에 심각한 체계적 오류를 초래한다. 이는 응력 강하 추정치에 큰 불확실성(종종 수 자릿수 차이 발생)을 야기하며, 단층의 성숙도 및 응력 불균질성과 관련된 물리적 신호를 가린다.

방법론
$k$-값의 변동성을 해결하기 위해, 저자들은 스펙트럼 특징으로부터 이벤트별 $k$-값 보정치를 직접 예측하는 물리 기반 딥러닝 프레임워크를 개발하였다.

1. 훈련 데이터 생성: 저자들은 경계 적분 방정식법(BIEM)을 사용하여 원형 단층에서의 12,393회 자발적 동적 파쇄 시뮬레이션을 수행하였다. 이 시뮬레이션들은 두 가지 무차원 매개변수인 정규화된 유효 응력 강하($\hat{T}_e$)와 정규화된 임계 미끄럼 거리($\hat{D}_c$)를 체계적으로 변화시켰다. 이 매개변수 공간은 비자가 정지형(장벽 제어형)과 자가 정지형 영역을 구분하는 파쇄 상도(rupture phase diagram)를 정의한다.
2. 그라운드 트루스(Ground Truth) 및 보정 계수: 각 시뮬레이션에 대해, 면적 가중 응력 변화로부터 직접 계산된 "그라운드 트루스" 응력 강하($\sigma_{dir}$)를 산출하였다. 합성 지진파를 생성하여 표준 스펙트럼 피팅을 통해 $f_c$와 $M_0$를 추출하였다. 전통적인 공식으로부터 추론된 응력 강하와 $\sigma_{dir}$를 비교함으로써, 저자들은 보정 계수($C_{eff}$)와 그에 따른 보정된 $k$-값($k_{corr}$)을 도출하였다.
3. 딥러닝 아키텍처: 합성 스펙트럼에 대한 멀티태스크 신경망이 훈련되었다. 이 아키텍처는 국부적인 스펙트럼 구조를 포착하기 위한 합성곱 층(convolutional layers)과 주파수 범위 전체의 의존성을 포착하기 위한 트랜스포머 기반 어텐션 메커니즘(Transformer-based attention mechanisms)을 결합한다. 모델은 정규화된 소스 스펙트럼과 보조 특징(규모, $f_c$, 고주파 감쇠)을 입력으로 받아 다음을 동시에 출력한다:
   • 파쇄 모드 분류 (자가 정지형 vs. 비자가 정지형).
   • $k$-값에 대한 연속적인 보정 계수.
4. 자연 지진에 대한 검증: 이 프레임워크를 세 가지 서로 다른 지구조적 환경(2016년 구마모토 시퀀스: 성숙한 주향이동 단층, 2019년 리지크레스트 시퀀스: 미성숙한 공액 단층, 2021년 양비 시퀀스: 판 내부 블라인드 단층)에서 추출한 1,371개의 고품질 자연 지진에 적용하였다.

주요 결과

• 파쇄 모드 분류: 모델은 검증 세트에서 99.68%의 정확도로 파쇄 모드를 분류하였으며, 이는 스펙트럼 특징이 자가 정지형과 비자가 정지형 이벤트를 구분할 수 있는 충분한 정보를 포함하고 있음을 입증한다.
• $k$-값 변동성: 자연 지진 분석 결과, $k$-값은 3 자릿수 범위에 걸쳐 나타났다. 약 44%의 이벤트만이 전통적인 범위(0.21–0.37) 내에 존재했다. 나머지 이벤트들은 $k$값이 0.21 미만인 경우(고정 $k$가 응력 강하를 과대평가함)와 0.37 초과인 경우(고정 $k$가 응력 강하를 과소평가함)로 나뉘었다.
• 응력 강하 산포 감소: 물리 기반 보정은 응력 강하 추정치의 산포를 크게 줄였다:
  • 시뮬레이션: 표준 편차가 약 212 MPa에서 약 4 MPa로 감소하였다.
  • 관측치: 표준 편차가 약 44 MPa에서 약 8 MPa로 감소하였다.
  • 모든 시퀀스에서 물리적으로 타당한 범위(0.1–30 MPa) 내에 속하는 이벤트의 비율이 실질적으로 증가하였다.
• 지구조적 맥락 의존성: 보정의 효과는 단층대 특성에 따라 체계적으로 다르게 나타났다:
  • 구마모토 (성숙): 중간 정도의 개선을 보였으며, 이벤트들이 전통적인 범위 근처에 밀집되어 있어 균일한 응력 조건을 시사했다.
  • 리지크레스트 (미성숙/복잡): 극적인 개선을 보였으며, 가장 넓은 $k$-값 분포와 가장 큰 산포 감소를 보였다. 이는 복잡한 공액 단층 작용과 불균질한 응력을 반영한다.
  • 양비 (판 내부): 물리적으로 타당한 추정치의 비율을 높이는 데 유의미한 개선을 보였으며, 주로 소규모 자가 정지형 이벤트의 체계적 오분류를 교정하였다.

의의 및 주장
본 논문은 지진의 자기 유사성(self-similarity) 가정이 보편적인 것이 아니라 조건적이라고 주장한다. 자기 유사성은 이벤트들이 유사한 무차원 동적 매개변수($\hat{T}_e$ 및 $\hat{D}_c$)를 공유할 때만 성립하며, 이벤트들이 파쇄 상도 전반에 걸쳐 흩어져 있을 때는 붕괴된다. 본 연구는 파쇄 모드의 다양성이 스펙트럼 특성을 근본적으로 제어한다는 것을 보여준다.

핵심 기여는 다음과 같다:

1. 고정된 $k$-값에 대한 도전: 본 연구는 고정된 $k$-값이 자가 정지형 파쇄의 물리를 포착하지 못한다는 점에서 자연 지진 분석에 불충분하다는 경험적 증거를 제공한다.
2. 물리학의 실용적 통합: 이 프레임워크는 개별 이벤트에 대한 계산 비용을 들이지 않고도 일상적인 지진 분석에 동적 파쇄 물리학을 통합할 수 있는 실용적인 경로를 제시한다.
3. 진단적 유용성: $k$-값의 변동성(특히 변동 계수)을 단층대의 성숙도나 기하학적 복잡성과 같은 단층대 특성을 규명하는 진단 도구로 제안한다.
4. 응력 강하 목록의 재해석: 저자들은 기존의 응력 강하 목록이 파쇄 모드 및 규모와 상관된 구조화된 체계적 편향을 포함하고 있을 수 있으며, 이를 본 프레임워크를 통해 사후적으로 교정할 수 있다고 제안한다.

결론적으로, 본 연구는 파쇄 모드의 다양성을 인식하는 것이 신뢰할 수 있는 재해 평가와 단층대의 진화를 이해하는 데 필수적이며, 이는 학계가 단일한 보편적 모델에서 벗어나 물리 기반의 이벤트별 접근 방식으로 나아가야 함을 강조한다.