PINN 기반 지오데틱 데이터와 단층 마찰 연결 Bungo 지역 느린 미끄러짐 사건 분석

초록

본 연구는 물리 기반 신경망(PINN)을 이용해 2010년 일본 Bungo 지역의 느린 미끄러짐 사건(SSE)을 정역학 관측과 연계한 역학적 마찰 이질성을 정량적으로 추정한다. PINN은 공간적으로 변하는 마찰 파라미터를 연속 함수로 표현해 고차원 최적화를 가능하게 하며, 결과적으로 관측된 지표 변위와 일치하는 단층 전단 모델을 도출한다. 또한 추정된 파라미터를 활용해 향후 SSE 발생 시점을 예측함으로써 물리 기반 단층 slip 예보 가능성을 제시한다.

상세 분석

이 논문은 기존의 정역학적 혹은 동적 역학 모델이 직면한 고차원 파라미터 추정 문제를 해결하기 위해 물리‑정보 신경망(PINN)을 도입하였다. PINN은 신경망을 통해 공간적으로 변하는 마찰 파라미터(a‑b, L 등)를 연속적인 함수 형태로 학습시키며, 동시에 레이트‑앤드‑스테이트(RSF) 마찰 법칙과 탄성 매질의 평형 방정식을 손실 함수에 포함시켜 물리적 제약을 강제한다. 이러한 물리 기반 정규화는 전통적인 라플라시안 스무딩과 달리 사전 가정 없이 해의 물리적 일관성을 보장한다.

연구 대상인 2010년 Bungo SSE는 서남 시코쿠에서 시작해 서쪽으로 전파되는 특성을 보이며, 기존의 K24 모델(동일 마찰 파라미터를 가정한 원형 패치)에서는 급격한 slip velocity 상승을 재현하지 못했다. PINN 기반 역산은 서남 시코쿠에 강한 속도 약화 구역(a‑b<0)과 작은 특성 슬립 거리 L을 찾아내어, 이 지역이 낮은 핵생성 길이(3Rc)를 갖고 있어 불안정성이 높고 SSE의 핵생성을 담당한다는 물리적 해석을 제공한다. 반면 Bungo 채널 주변은 속도 강화 구역(a‑b>0)으로 작용해 슬립 전파를 억제한다. 이러한 이질적 마찰 분포는 GNSS 관측에서 2009.7~2010.1 사이에 서남 시코쿠에서 서서히 변위가 증가하고, 2010.1 이후에 급격히 서쪽으로 전파되는 패턴과 정량적으로 일치한다.

또한, PINN은 관측과 모델 사이의 미세한 시차(핵생성 시점 차이)를 정량화함으로써 기존 모델이 놓쳤던 물리적 메커니즘(예: 후지진 크리프, 점성‑마찰 복합 모델)의 필요성을 제시한다. 이러한 차이는 모델의 손실 함수에 추가적인 물리적 요소를 포함시켜 개선할 수 있다.

예측 측면에서는 추정된 마찰 파라미터와 초기 응력 상태를 이용해 2014년 SSE를 사전 예측했으며, 이는 관측된 2015년의 미세 slip과 시기적으로 일치하지만 규모는 과대평가되었다. 이는 현재 단층 상태가 한계 주기(limit cycle)에 도달하지 않았음을 시사한다. 한계 주기 가정 하에 보다 일관된 모멘트 규모(Mw≈6.8)와 재발 주기(≈6년)를 재현할 수 있다.

전반적으로 이 연구는 (1) PINN이 고차원 마찰 파라미터를 효율적으로 추정하고, (2) 물리 기반 정규화를 통해 비유일성을 감소시키며, (3) 관측‑모델 불일치를 정량적으로 평가하고, (4) 향후 SSE 및 잠재적 지진 발생을 물리적으로 예측하는 프레임워크를 제공한다는 점에서 지진학·지오데틱 분야에 중요한 전진을 제시한다.