セッション概要
| 固体地球科学(S) | |||
|---|---|---|---|
| セッション小記号 | 固体地球科学複合領域・一般(CG) | ||
| セッションID | S-CG71 | ||
| タイトル | 和文 | 機械学習による固体地球科学の牽引 | |
| 英文 | Driving Solid Earth Science through Machine Learning | ||
| タイトル短縮名 | 和文 | 機械学習@固体地球科学 | |
| 英文 | Machine Learning in Solid Earth Sciences | ||
| 代表コンビーナ | 氏名 | 和文 | 久保 久彦 |
| 英文 | Hisahiko Kubo | ||
| 所属 | 和文 | 国立研究開発法人防災科学技術研究所 | |
| 英文 | National Research Institute for Earth Science and Disaster Resilience | ||
| 共同コンビーナ 1 | 氏名 | 和文 | 直井 誠 |
| 英文 | Makoto Naoi | ||
| 所属 | 和文 | 北海道大学 | |
| 英文 | Hokkaido University | ||
| 共同コンビーナ 2 | 氏名 | 和文 | 矢野 恵佑 |
| 英文 | Keisuke Yano | ||
| 所属 | 和文 | 統計数理研究所 | |
| 英文 | The Institute of Statistical Mathematics | ||
| 共同コンビーナ 3 | 氏名 | 和文 | 田中 優介 |
| 英文 | Yusuke Tanaka | ||
| 所属 | 和文 | 国土地理院 | |
| 英文 | Geospatial Information Authority of Japan | ||
| 発表言語 | J | ||
| スコープ | 和文 |
機械学習は固体地球科学を含む様々な科学分野において革新をもたらし、顕著な成果を挙げている。このセッションは、固体地球科学を中心とする様々な分野における機械学習を活用した研究が一堂に会することで、今後の発展に向けて互いに刺激し合う場を提供する。萌芽的なものから発展的なものに至るまで、機械学習および関連する研究発表を広く募集する。 本セッションは機械学習をはじめとする情報科学と固体地球科学の融合を目指すものであり、参加者が専門とするバックグラウンドや用語が多岐にわたることから、セッション言語を“J”とする。発表や質疑応答などの口頭によるコミュニケーションは英語または日本語のいずれでも可であるが、スライド・ポスターなどの文字表記は英語必須である(日本語併記可)。 |
|
| 英文 |
Machine learning (ML) has brought innovations and remarkable results in various science fields including solid earth science. This session provides an opportunity to inspire each other for future developments by bringing studies of ML applications in various fields including solid earth science. We invite a wide range of presentations on ML and related research, from the budding to the more advanced. Because this session aims to promote the integration of information science, including machine learning, with solid earth sciences, the participants' areas of expertise and technical terminology vary widely; therefore, the session language will be designated as "J." Verbal communication (oral presentation, Q&A etc.) can be given in either English or Japanese, while text in slides/posters must include English (Japanese text may be accompanied). |
||
| 発表方法 | 口頭および(または)ポスターセッション | ||
| 招待講演 |
松岡 大祐 (国立研究開発法人海洋研究開発機構) 佐々木 勇和 (大阪大学) |
||
| 時間 | 講演番号 | タイトル | 発表者 |
|---|---|---|---|
| 口頭発表 5月27日 PM1 | |||
| 13:45 - 14:00 | SCG71-01 | Reconstructing mantle thermal convection with an inverse PINN | 中尾 篤史 |
| 14:00 - 14:15 | SCG71-02 | Improvement of Generalization in Seismic Ground-Motion Surrogate Models using Gradient-informed Spectral Feature Distillation | 黒木 悠斗 |
| 14:15 - 14:30 | SCG71-03 | Rapid wavefield forecasting for earthquake early warning via deep sequence to sequence learning | Rie Nakata |
| 14:30 - 14:45 | SCG71-04 | J-SHIS AIチャットボットの開発 | 松本 雄馬 |
| 14:45 - 15:15 | SCG71-05 | データ駆動型アプローチによる気象予測と気候変動適応 | 松岡 大祐 |
| 口頭発表 5月27日 PM2 | |||
| 15:30 - 16:00 | SCG71-06 | グラフ深層学習と固体地球科学 | 佐々木 勇和 |
| 16:00 - 16:15 | SCG71-07 | 物理制約付き機械学習による多数の地震のモーメントテンソル解とサイト補正値の同時推定 | 今西 和俊 |
| 16:15 - 16:30 | SCG71-08 | A Fully Automated Deep-Learning Framework for Daily Regional Earthquake Cataloging: Design and Cross-Validation | Wu-Yu Liao |
| 16:30 - 16:45 | SCG71-09 | Untangle the Complexities: Multivariate Statistical Insights into the Geochemistry of the Molucca Sea and Philippine Arcs | Prya Arif Rahman |
| 講演番号 | タイトル | 発表者 |
|---|---|---|
| ポスター発表 5月27日 PM3 | ||
| SCG71-P01 | 状態空間モデルに基づくトレンド分解と機械学習を用いた異常検知への応用 | 土谷 真由 |
| SCG71-P02 | Enhancing Eruption Predictability Through Machine Learning in Quantitative Volcanology and Geophysics | Flavio Cannavo |
| SCG71-P03 | 連合学習の地震動予測モデルへの適用 | 赤木 翔 |
| SCG71-P04 | 水平成層弾性・粘弾性2次元媒質における地震時すべり分布のPINNに基づいた推定手法の開発 | 髙井 翔平 |
| SCG71-P05 | 畳み込みニューラルネットワークを用いたAEイベントの分別 | 鶴町 結生 |
| SCG71-P06 | 日本の定常地震観測網に基づく地震カタログ高度化へのアプローチ | 直井 誠 |
| SCG71-P07 | MeSO-net加速度波形へのPhaseNetWCの適用と性能評価 | 大石 一路 |
| SCG71-P08 | PhaseNetでの位相検測処理のための閾値と相組合せ探索処理の各種パラメータの調整 | 下條 賢梧 |