論文の概要: Integrating Artificial Intelligence and Geophysical Insights for Earthquake Forecasting: A Cross-Disciplinary Review
- arxiv url: http://arxiv.org/abs/2502.12161v1
- Date: Mon, 10 Feb 2025 18:26:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-02 03:23:01.820256
- Title: Integrating Artificial Intelligence and Geophysical Insights for Earthquake Forecasting: A Cross-Disciplinary Review
- Title（参考訳）: 地震予知のための人工知能と地球物理学的洞察の統合:学際的考察
- Authors: Zhang Ying, Wen Congcong, Sornette Didier, Zhan Chengxiang,
- Abstract要約: レビューでは、堅牢で物理インフォームドな予測モデルを作成するために、AIと物理知識を組み合わせることの重要性を強調している。
我々は、地球物理学者に、慎重にAIアーキテクチャを実験するよう促し、AI専門家に地震学の理解を深めるよう促す。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Earthquake forecasting remains a significant scientific challenge, with current methods falling short of achieving the performance necessary for meaningful societal benefits. Traditional models, primarily based on past seismicity and geomechanical data, struggle to capture the complexity of seismic patterns and often overlook valuable non-seismic precursors such as geophysical, geochemical, and atmospheric anomalies. The integration of such diverse data sources into forecasting models, combined with advancements in AI technologies, offers a promising path forward. AI methods, particularly deep learning, excel at processing complex, large-scale datasets, identifying subtle patterns, and handling multidimensional relationships, making them well-suited for overcoming the limitations of conventional approaches. This review highlights the importance of combining AI with geophysical knowledge to create robust, physics-informed forecasting models. It explores current AI methods, input data types, loss functions, and practical considerations for model development, offering guidance to both geophysicists and AI researchers. While many AI-based studies oversimplify earthquake prediction, neglecting critical features such as data imbalance and spatio-temporal clustering, the integration of specialized geophysical insights into AI models can address these shortcomings. We emphasize the importance of interdisciplinary collaboration, urging geophysicists to experiment with AI architectures thoughtfully and encouraging AI experts to deepen their understanding of seismology. By bridging these disciplines, we can develop more accurate, reliable, and societally impactful earthquake forecasting tools.
- Abstract（参考訳）: 地震予測は依然として重要な科学的課題であり、現在の手法は有意義な社会的利益に必要な性能を達成できない。
従来のモデルは、主に過去の地震活動とジオメカニカルデータに基づいており、地震のパターンの複雑さを捉えるのに苦労し、しばしば地球物理学、地球化学、大気異常のような貴重な非地震前駆体を見落としている。
このような多様なデータソースを予測モデルに統合し、AI技術の進歩と組み合わせることで、将来性のある道が開かれる。
AIメソッド、特にディープラーニングは、複雑な大規模データセットの処理、微妙なパターンの識別、多次元関係の処理に優れており、従来のアプローチの限界を克服するのに適している。
このレビューでは、堅牢で物理インフォームドな予測モデルを作成するために、AIと物理知識を組み合わせることの重要性を強調している。
現行のAI手法、入力データ型、損失関数、モデル開発に関する実践的考察を探索し、地球物理学者とAI研究者の両方にガイダンスを提供する。
多くのAIベースの研究は、地震予測を単純化し、データ不均衡や時空間クラスタリングといった重要な特徴を無視する一方で、専門的な地球物理学的な洞察をAIモデルに統合することで、これらの欠点に対処することができる。
我々は、学際的なコラボレーションの重要性を強調し、地質学者に慎重にAIアーキテクチャを実験するよう促し、AI専門家に地震学の理解を深めるよう促す。
これらの規律をブリッジすることで、より正確で信頼性があり、社会的に影響力のある地震予報ツールを開発することができる。
関連論文リスト
- Conservation-informed Graph Learning for Spatiotemporal Dynamics Prediction [84.26340606752763]
本稿では,保護インフォームドGNN(CiGNN)について紹介する。
このネットワークは、保守的かつ非保守的な情報が、潜時的行進戦略によって多次元空間を通過する対称性による一般的な対称性保存則に従うように設計されている。
結果は,CiGNNが顕著なベースライン精度と一般化性を示し,様々な時間的ダイナミクスの予測のための学習に容易に適用可能であることを示した。
論文 参考訳（メタデータ） (2024-12-30T13:55:59Z) - Generative Artificial Intelligence Meets Synthetic Aperture Radar: A Survey [49.29751866761522]
本稿では,GenAIとSARの交差点について検討する。
まず、SAR分野における一般的なデータ生成ベースのアプリケーションについて説明する。
次に、最新のGenAIモデルの概要を体系的にレビューする。
最後に、SARドメインの対応するアプリケーションも含まれる。
論文 参考訳（メタデータ） (2024-11-05T03:06:00Z) - AI for Extreme Event Modeling and Understanding: Methodologies and Challenges [7.636789744934743]
この論文は、AIが極端な出来事(洪水、干ばつ、山火事、熱波など)を分析するためにどのように使われているのかをレビューする。
限られたデータに対処し、情報をリアルタイムで統合し、モデルをデプロイし、それらを理解できるようにするというハードルについて論じる。
私たちは、実践的、理解可能、信頼に値するAIソリューションを作成するために、さまざまな分野にわたるコラボレーションの必要性を強調します。
論文 参考訳（メタデータ） (2024-06-28T17:45:25Z) - Artificial Intelligence and Human Geography [1.6135760596596367]
本稿では,人間地理学におけるAIの最近の進歩と応用について考察する。
これには、場所表現とモデリング、空間分析と予測マッピング、都市計画と設計を含む、マシン(ディープ)学習の使用が含まれる。
論文 参考訳（メタデータ） (2023-12-14T11:20:22Z) - Challenges in data-based geospatial modeling for environmental research
and practice [19.316860936437823]
機械学習(ML)を用いたデータに基づく地理空間モデリングが環境研究で人気を博している。
本研究では,不均衡データ,空間自己相関,予測誤差,モデル一般化,ドメイン特異性,不確実性推定など,地理空間モデリングにおける一般的なニュアンスについて検討する。
論文 参考訳（メタデータ） (2023-11-18T12:30:49Z) - Predictable Artificial Intelligence [77.1127726638209]
本稿では予測可能なAIのアイデアと課題を紹介する。
それは、現在および将来のAIエコシステムの重要な妥当性指標を予測できる方法を探る。
予測可能性を達成することは、AIエコシステムの信頼、責任、コントロール、アライメント、安全性を促進するために不可欠である、と私たちは主張する。
論文 参考訳（メタデータ） (2023-10-09T21:36:21Z) - When Geoscience Meets Foundation Models: Towards General Geoscience Artificial Intelligence System [6.445323648941926]
地球科学基礎モデル(Geoscience foundation model, GFMs)は、地球系の力学のシミュレーションと理解を強化するために、広範な学際データを統合するパラダイムシフトソリューションである。
GFMのユニークな長所は、フレキシブルなタスク仕様、多様な入出力能力、マルチモーダルな知識表現である。
このレビューは、先進的なAI技術と地球科学の交差点における未解決の機会を強調した、新興の地球科学研究パラダイムの包括的概要を提供する。
論文 参考訳（メタデータ） (2023-09-13T08:44:09Z) - The Future of Fundamental Science Led by Generative Closed-Loop
Artificial Intelligence [67.70415658080121]
機械学習とAIの最近の進歩は、技術革新、製品開発、社会全体を破壊している。
AIは、科学的な実践とモデル発見のための高品質なデータの大規模なデータセットへのアクセスがより困難であるため、基礎科学にはあまり貢献していない。
ここでは、科学的な発見に対するAI駆動、自動化、クローズドループアプローチの側面を調査し、調査する。
論文 参考訳（メタデータ） (2023-07-09T21:16:56Z) - Philosophical Foundations of GeoAI: Exploring Sustainability, Diversity,
and Bias in GeoAI and Spatial Data Science [1.0152838128195467]
本章では、GeoAIと空間データ科学の哲学的基盤を形成する基本的な前提と原則について述べる。
それは、持続可能性、トレーニングデータのバイアス、スキーマ知識の多様性、そして、統一倫理的な視点からGeoAIシステムの中立性(潜在的に欠如している)といったテーマを強調している。
論文 参考訳（メタデータ） (2023-03-27T14:01:22Z) - A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。
このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
論文 参考訳（メタデータ） (2022-11-04T09:58:57Z) - Counterfactual Explanations as Interventions in Latent Space [62.997667081978825]
反現実的な説明は、望ましい結果を達成するために変更が必要な機能のセットをエンドユーザに提供することを目的としています。
現在のアプローチでは、提案された説明を達成するために必要な行動の実現可能性を考慮することはめったにない。
本稿では,非現実的説明を生成する手法として,潜時空間における干渉としての対実的説明(CEILS)を提案する。
論文 参考訳（メタデータ） (2021-06-14T20:48:48Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。