大規模地震観測データの並列GPU学習基盤フレームワークの開発

大规模地震观测数据并行GPU学习基础框架开发

基本信息

项目摘要

本研究では地震や低周波地震・超低周波地震等のイベント自動検出技術の高度化を目指し、新しい深層学習モデル創出に必須となる、数百TBクラスの連続波形データを並列GPU学習・推定可能とする地震学向け深層学習フレームワークを開発する。今年度は以下の研究を進めた。並列深層学習フレームワーク初版の開発を進め、ヘテロアーキテクチャ(ベクトルエンジン、CPU、GPU)スパコンであるES4において、ES4GPUで稼働させるための開発、および最適化を進めた。開発中の並列深層学習フレームワークを評価するためには、実際に評価対象となる教師データセットが必要である。そのため、南海トラフ沖海底観測網(DONET)のデータのうち20TB前後の連続観測データを連携者より受領して解析を行った。そして、DONETが採用している連続波形記録およびイベントの記録システムであるWINシステムのDONETデータを、深層学習向けの教師データセットへ変換するプログラムを開発した。ES4GPUで高効率に並列学習プログラムを稼働させるために必要となるデータフォーマットを検討して初版を決定し、そのフォーマットへの変換を行える機能を持つプログラムである。初版としてまずこの20TB程度のデータでフレームワークを用いて並列学習を進め、次年度の準備を整えた。次年度は、教師データセットへ変換するプログラムの整合性の検証を重点的に行ってから、実際にイベント検出などの深層学習を行い、残課題や性能上の問題点の洗い出しを行う予定である。
In this study, the automatic detection technology of earthquakes, low-frequency earthquakes and ultra-low-frequency earthquakes is highly targeted, and new deep learning is required to create hundreds of terabytes of continuous waveform data, and GPU learning is estimated to be possible. This year, the following research has been carried out. Parallel deep learning development, development and optimization of ES4, ES4 GPU In the development of parallel deep learning, it is necessary for teachers to evaluate and evaluate the situation. DONET (South China Sea) is a network of 20 terabytes (TB) connected to the sea. DONET is a continuous waveform recording system, and deep learning is developed for teachers. ES4GPU has high efficiency, parallel learning, initial edition, decision, and function. The first edition of the 20TB level of the program is available for parallel learning and preparation for the next year. In the next year, teachers will be able to change their teaching methods, and the integration of teaching methods will be focused on the implementation of in-depth learning, in-depth learning, and performance problems will be identified.

项目成果

期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

杉山 大祐其他文献

Detection of Multiple Earthquakes by Using Theoretical Seismograms as Training Dataset of Machine Learning
使用理论地震图作为机器学习训练数据集检测多地震
  • DOI:
  • 发表时间:
    2019
  • 期刊:
  • 影响因子:
    0
  • 作者:
    杉山 大祐;坪井 誠司;行竹 洋平;杉山 大祐;杉山 大祐;坪井 誠司
  • 通讯作者:
    坪井 誠司
Applications of Convolutional Neural Network to the important Earth Science problems
卷积神经网络在地球科学重要问题中的应用
  • DOI:
  • 发表时间:
    2020
  • 期刊:
  • 影响因子:
    0
  • 作者:
    杉山 大祐;坪井 誠司;行竹 洋平;杉山 大祐
  • 通讯作者:
    杉山 大祐
理論地震波形記録の時空間伝搬を教師データとした3DCNNによる箱根火山地域の震源決定
使用理论地震波形记录的时空传播作为训练数据,使用 3D CNN 确定箱根火山区的震源
  • DOI:
  • 发表时间:
    2020
  • 期刊:
  • 影响因子:
    0
  • 作者:
    杉山 大祐;坪井 誠司;行竹 洋平
  • 通讯作者:
    行竹 洋平
理論地震波形記録の時系列空間伝搬を教師データとした3DCNNを用いた機械学習による震源決定
使用 3D CNN 的机器学习确定震源,使用理论地震波形记录的时间序列空间传播作为训练数据
  • DOI:
  • 发表时间:
    2019
  • 期刊:
  • 影响因子:
    0
  • 作者:
    杉山 大祐;坪井 誠司;行竹 洋平;杉山 大祐;杉山 大祐
  • 通讯作者:
    杉山 大祐
ランニングスペクトル画像認識による地震・低周波微動シグナルの識別
通过运行频谱图像识别识别地震和低频震颤信号
  • DOI:
  • 发表时间:
    2019
  • 期刊:
  • 影响因子:
    0
  • 作者:
    中野 優;杉山 大祐;堀 高峰;桑谷 立;坪井 誠司
  • 通讯作者:
    坪井 誠司

杉山 大祐的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

相似海外基金

深部マグマ供給過程の解明に向けた深部低周波地震の発生過程・震源決定解析の高度化
深入分析深部低频地震发生过程及震中确定,阐明深部岩浆供给过程
  • 批准号:
    24K17157
  • 财政年份:
    2024
  • 资助金额:
    $ 2.58万
  • 项目类别:
    Grant-in-Aid for Early-Career Scientists
特徴的後続波形のモデリングから解明する内陸地殻浅部・深部低周波地震の発生機構
通过特征后续波形建模阐明浅层和深部内陆地壳低频地震的发生机制
  • 批准号:
    24K07164
  • 财政年份:
    2024
  • 资助金额:
    $ 2.58万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
低周波地震と希ガス同位体観測による新たな火山モニタリング手法の構築
利用低频地震和稀有气体同位素观测开发新的火山监测方法
  • 批准号:
    23K22575
  • 财政年份:
    2024
  • 资助金额:
    $ 2.58万
  • 项目类别:
    Grant-in-Aid for Scientific Research (B)
内陸の非火山地帯で発生する深部低周波地震の発生メカニズム解明:Big data×深層学習
阐明内陆非火山区深部低频地震发生机制:大数据x深度学习
  • 批准号:
    23K19061
  • 财政年份:
    2023
  • 资助金额:
    $ 2.58万
  • 项目类别:
    Grant-in-Aid for Research Activity Start-up
火山浅部での低周波地震を励起する熱水やマグマの振動過程の解明と活動監視への応用
火山浅部热液和岩浆激发低频地震的振动过程阐明及其在活动监测中的应用
  • 批准号:
    23K13181
  • 财政年份:
    2023
  • 资助金额:
    $ 2.58万
  • 项目类别:
    Grant-in-Aid for Early-Career Scientists
波形解析に基づく火山型深部低周波地震のエネルギー放射プロセスの解明
基于波形分析阐明火山深部低频地震能量辐射过程
  • 批准号:
    21J10074
  • 财政年份:
    2021
  • 资助金额:
    $ 2.58万
  • 项目类别:
    Grant-in-Aid for JSPS Fellows
火山性低周波地震の波形解析に基づく発生過程の解明と火山活動監視への応用
基于波形分析阐明火山低频地震发生过程及其在火山活动监测中的应用
  • 批准号:
    20J15528
  • 财政年份:
    2020
  • 资助金额:
    $ 2.58万
  • 项目类别:
    Grant-in-Aid for JSPS Fellows
マルチアレイ観測による深部低周波地震の発生メカニズムの解明
多阵观测阐明深部低频地震发生机制
  • 批准号:
    20K04118
  • 财政年份:
    2020
  • 资助金额:
    $ 2.58万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
深部低周波地震の解析に基づく地下深部での火山活動の解明
基于深部低频地震分析揭示地下深处火山活动
  • 批准号:
    19J12571
  • 财政年份:
    2019
  • 资助金额:
    $ 2.58万
  • 项目类别:
    Grant-in-Aid for JSPS Fellows
深部低周波地震の波形解析からテクトニクスの解明へ
从深部低频地震波形分析到构造解释
  • 批准号:
    12J09135
  • 财政年份:
    2012
  • 资助金额:
    $ 2.58万
  • 项目类别:
    Grant-in-Aid for JSPS Fellows
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了