【高速運算應用-學研之星】TWCC助力地球科學之資料探勘 運用AI解決人力判讀瓶頸

台灣位於地震活動頻繁之太平洋地震帶上，有鑒於地震造成的災害與影響重大，地震學是台灣科學研究的重要主題之一，而精確的地震P波(縱向波)及S波(橫向波)的到時記錄有助於解算地震觸發之時間及位置。除了應用於分析歷史地震活動，對孕震構造有更深入的了解之外，精準的地震波相到時的資訊更能優化地震速報的品質。

每起地震事件的判釋，需要將多個地震儀所記錄到之P波及S波到時進行時、空間上的聯繫，而以人工判釋地震波相到時將耗時大量人力。其中相對於較易判斷的P波到時，S波到時的判斷標準在地震學家之間存在著一定的誤差，並進一步影響地震參數的解算。

隨著遍佈全國之地震儀的裝設，讓地震發生時氣象局的觀測站資料量呈爆炸性的增長，尤其在有限的時間內挑選地震波相時，在現有的受限人力條件下，對氣象局等公部門形成很大的挑戰，因此改以自動化方式取代傳統的人為親為的方法，有其實際的需求，而人工智慧(AI)成為一個受到關注的新興技術。

國立成功大學地球科學系的ARRU seismic phase picker專案，本身為科學研究專案，廖勿渝先生是成大地球科學系的博士生，負責此專案的運作與研究，他首先感謝氣象局地震觀測的前輩們過去的長期付出與努力，讓台灣的地震相關資訊可以有系統化的收集與整理，讓後進的學者與研究人員可以宛如站在巨人的肩膀上繼續新的研究。

廖勿渝的研究目標為使用深度學習模型來代替人為的挑選地震波相的做法。若使用傳統的自動化挑波方法，對於P波來說，約有75%的檢出率，而S波因常受到折射、與P波尾的干擾，而難以挑選，目前僅有約30%的檢出率，需再輔以人工查驗、重新標註等重複的步驟來計算地震的合理數據，再者雖然有傳統的自動化方法來嘗試輔助，但是其面臨主要問題包括時間分辨率不高，短時間內連續發生地震時失誤率高，再者S波的判定誤差範圍大、無法比擬人類專家，同時需要後續調整的參數多，並且變化極大，使用上不如預期。

這個計畫需要使用由中央氣象局及其他相關研究單位提供的資料，估計有30~35GB資料做為AI學習之用，但是龐大的反覆AI訓練與計算，需要耗費大量GPU運算資源，藉由獲選星創爭霸計畫的名額，向國網中心申請TWCC(Taiwan Computing Cloud Service)的高速運算服務資源的支援，原本他使用校內的PC工作站時，使用自有的運算工作站配備GeForce RTX 2080Ti的GPU加速卡，一共需要約2週的時間才能完成，結果使用TWCC的高速運算服務之後，變成只需4或5天，成效令人振奮。

由於目前只使用單張GPU加速卡的運算，下一階段正加緊修改程式期盼一舉可以跨多張GPU卡來加速AI訓練的速度，並準備做超過100個以上模型的模擬，以目前才試用約兩週的經驗，已可以看到初步成果，下一階段再加上V100 GPU與更大的記憶體容量的運算設定，預期能將速度再加快至5倍以上。

透過目前發展的有效AI模型在測試上取得了相當優秀的結果，已將P波及S波之檢出率分別提高至98%及90%，對比於既有之自動化挑波方法的75%及30%，有相當大的改善，再加上與傳統之物理模型結合，對於地體構造之研究幫助甚為顯著，這項研究已於2020年10月投稿至Q1等級的期刊，未來將朝向建置邊緣運算(Edge Computing)之平台，期盼協助氣象局縮短未來即時偵測地震之準確度及速率。