Claude で Fabale5 を再び使えるようになりました。
早速、過去のコード群を修正。あきらめかけていた資料収集を深堀。で、１時間でクレジットを消費。強いけど、高い。
「デフォルトでリモートコントロールを有効にする」を ON にすると、Code に 別PC のプロジェクトが表示されるようになりました。他PCの計算をリモートで制御できるようになっています。Linux版 Desktop が出たので、Windows , Linux へスマホからでも、指示ができるようになりました。知りませんでした。
Claude Science も発表されました。何ができるのでしょうか。
ひとつづつ、試していきましょう。
1. 背景地震調査においてMEMSセンサの活用が期待されています。
従来のMEMSセンサは0.1〜2 Hzの低周波領域における感度が専用ジオフォンに及ばないという課題がありました。本研究では、従来より低ノイズ（22.5 µg/√Hz）なADXL355を用い、微動探査、特にH/V法（中村メソッド）への適用可能性を検証しました。2. 手法：機器特性の評価と差し引き機器固有の特性（ノイズ）を正確に把握し、測定データから除去するために以下の手順が取られました。
- 特性評価（自己ノイズの記録）: 微動測定に先立ち、振動のない「ゼロ運動レベル」での計測を、道路から離れた建物の地下（コンクリート基礎上）で70時間にわたって実施しました。
- 多項式近似: 記録されたノイズスペクトルは滑らかな形状を示したため、これを3次多項式で近似し、センサ固有のホワイトノイズ曲線として定義しました。
- ノイズの差し引き: 実際の現場で計測された微動スペクトルから、解析の第一段階として、この近似された多項式曲線を差し引くことで、機器特性の影響を排除した純粋な振動成分を抽出しました。
3. 結果微動の特定: フィルタリング後のスペクトルにより、地盤の自然振動数（約6 Hz）と人工的な振動（8 Hz以上）を明確に区別して特定することができました。4. 考察MEMSセンサの周波数応答は、低周波領域において感度が物理的に制限されているため、微弱な深部からの共振を正確に捉えきれない可能性があります。本研究では、0.05〜3 Hzの低周波領域については精度が不十分（不確実）であると判断されました。この帯域でもいくつかの弱いピークが観測されましたが、センサの感度限界に近いことから、信頼性に欠けると判断されました。最終的なH/Vスペクトル図（Fig. 9）において、0.05〜3 Hzの範囲は破線で示されており、この領域の正確な評価には専用の3成分ジオフォンを用いた追加調査が必要であると結論付けられます。
AI要約
1. 背景
地滑りは世界的に甚大な被害をもたらす地質災害であり、特に中国のような山岳地帯では、居住地近くで発生する「小規模ながら大きな被害」を引き起こす突発的な地滑りが深刻な脅威となっています。既存の監視技術（GNSS、InSAR、地中傾斜計など）は一定の成果を上げているものの、「高コスト」「設置の複雑さ」「データ処理の遅延」といった課題があります。特に、衛星測位（GNSS）はサンプリングレートが通常1Hzと低く、崩壊直前の急激な加速フェーズ（数秒〜数分）を詳細に捉えることが困難でした。そのため、低コストで設置が容易、かつミリ秒単位の動態を捉えられる高頻度なリアルタイム監視システムの構築が求められていました。
2. 手法
本研究で開発された GeoMAS (Geological MEMS Alert System) は、以下の技術的特徴を備えています。
- システム構成: 斜面に設置する「監視ユニット」と、居住区に設置する「アラームユニット」の2ユニット構成です。これにより、物理的な距離（最大5kmのLoRa通信）を利用して避難時間を稼ぐ設計となっています。
- 高頻度サンプリング: 3軸MEMS加速度計を用い、100〜1000Hzの極めて高い頻度でデータを収集します。これにより、目視では不可能なミリ秒単位の微細な振動や前兆を記録できます。
- エッジコンピューティングによる高度な信号処理: ウェーブレット閾値フィルタリング（sym8基底）とカルマンフィルターを組み合わせ、環境ノイズを抑制しつつ、加速度から速度・変位を算出する際の積分ドリフトを補正します。
- パラメータ算出: 加速度、変位に加え、重力成分の空間分解による傾斜角も同時に算出します。
- 早期警戒アルゴリズム:
運動強度因子 (y): 加速度の大きさと、異常イベントの発生頻度（時間間隔）を組み合わせた独自の指標を算出します。
変化率 (y ′ ): y の値を4次多項式でフィッティングし、その微分から変化のトレンドを把握します。
決定マトリックス: y と ∣y’ ∣ を閾値と比較し、4段階（警報、警告、警戒、安全）のレベルを判定します。また、複数デバイスの情報を統合したリスク指数 (F) による広域評価も行います。- 省電力・通信設計: 監視ユニットは20mW以下の低消費電力で動作し、ソーラーパネルとバッテリーで自律運用が可能です。通信は4GとLoRa（自組織ネットワーク）のデュアルモードを採用し、緊急時でも安定した警報送信を維持します。
3. 結果
屋外の大型実験サイトにおいて、人工降雨による斜面崩壊シミュレーションを行い、性能を検証しました。
- 前兆の早期検知: 目視で亀裂が確認される前の段階で、システムは運動強度因子の異常を検知し、「警戒 (Vigilance)」レベルを通知しました。
- 警報の発令: 背面に引張亀裂が発生したのとほぼ同時（崩壊の9秒前）に、最高レベルの「警報 (Alarm)」を自動発令しました。
- 避難時間の確保: 前兆信号の検知から最終的な崩壊まで、システム全体で13秒前に警告を行うことに成功しました。実際の運用では、斜面から居住区までの土砂到達時間を加味することで、さらに長い避難ウィンドウが確保されるとされています。
4. 考察
既存技術との相補性: 本システムは、InSARやGNSSが苦手とする「崩壊直前の過渡的な加速」を捉える能力に長けています。一方で、数ヶ月単位の緩やかな変位の追跡にはGNSSが適しており、これらを統合した「空・宇宙・地上」の共同監視ネットワークの構築が理想的です。
加速度積分による変位誤差の累積（ドリフト）や、環境変化（雨量など）に応じた閾値の動的調整が今後の課題です。
今後は機械学習を用いた閾値の最適化や、風力・振動発電などのさらなるエネルギー回収技術の導入が検討されています。
崩れる直前1分に焦点を当て、開発されたようです。個人的にはそのコンセプトよりもハードの方が気になりました。ソーラーパネルもLoRaも普及している技術ですが、それをコンパクトにうまくまとめられています。私も手元の機器でこの組み合わせを考えていましたので、参考にさせていただきましょう。
1. 背景廃止された浅い鉱山跡は、地盤沈下を引き起こし、インフラや公共の安全を脅かす重大なリスクとなります。この対策として、石炭や油母頁岩（オイルシェール）の燃焼副産物である高カルシウム灰（ CaO 含有率20%以上の灰）をバックフィルとして地下空洞に注入し、地盤を安定化させる手法が取られています。高カルシウム灰は自己硬化性を持つため、ポルトランドセメントの使用量を抑え、コストと二酸化炭素排出量を削減できる利点があります。
しかし、室内試験ではこれらの灰がpH 12.5 を超える強アルカリ性の浸出水を発生させることが確認されており、地下水環境への悪影響が懸念されてきました。
一方で、世界の陸地の約15%を占める炭酸塩岩は、重炭酸塩（HCO₃⁻）と二酸化炭素（CO₂）の系による強い天然の緩衝能力を持っています。本研究は、実際の炭酸塩帯水層において、この緩衝能力が強アルカリ性のバックフィル浸出水をどの程度抑制できるかを検証することを目的としています。2. 手法（詳細）本研究では、室内試験、地球化学モデリング、および2年間にわたる長期的な現場実証実験を組み合わせた統合的なアプローチが採用されました。
- 現場実験の設計: エストニア北東部の、上部被覆層が10m未満と薄い廃止されたオイルシェール鉱山が選定されました。
- バックフィル注入: 遊離石灰（ CaO ）を約 30wt% 含むオイルシェール飛灰を使用しました。これを水灰比 0.65〜0.70 で混合してスラリー化し、計74m3を地下の坑道に注入しました。これにより、10mのテスト区間に平均厚さ約1.6mのバックフィル体が形成されました。
- モニタリング体制: 注入地点から約10mの距離に、上流側（バックグラウンド用：DH1, DH2）と下流側（影響評価用：DH3, DH4）の計4つの観測井を設置しました。
- 連続測定: pH、水温、水位を自動センサーにより連続的に記録しました。
- 定期的サンプリング: 定期的に地下水を採取し、主要イオンや重金属（As, Ba, Cd, Cr, Pb, Se）の濃度を分析しました。
- 地球化学モデリング: ソフトウェア「The Geochemist's Workbench」を用い、バックフィルから発生したアルカリ性孔隙水が帯水層へ移動する際の化学反応を1D反応輸送計算でシミュレートしました。
- モデルの設定: 浅い帯水層であることを考慮し、大気中のCO₂と平衡状態にある「開放系」を仮定しました。地下水の移動速度は10 m/日、初期孔隙率は10%に設定されています。
- 室内浸出試験: 規格（EN 12457-3）に基づき、「新鮮な灰」と「28日間養生して硬化したバックフィル」の両方に対して試験が行われました。なお、硬化した材料は試験前に4mm未満の粒子サイズに粉砕されました。規格（DIN EN 12457-3）によれば、高固形分かつ特定の粒子サイズ以下の材料を対象とした、固液比 2 L/kg および 8 L/kg の2段階バッチ試験です。
- 得られた成分溶出挙動をモデリングの境界条件として使用しました。
3. 結果
- pHの変化: 室内試験ではpH 12.0〜12.7 の強アルカリ性が確認されましたが、現場の観測井（10m地点）では有意なpHの上昇は見られませんでした。モデリングの結果とも一致し、アルカリ度はバックフィル近傍で急速に減衰することが示されました。
- 主要イオンの挙動: 最も顕著な変化は硫酸塩（SO₄²⁻）濃度の増加でした。一方で、カルシウム（Ca²⁺）や重炭酸塩（HCO₃⁻）は、後述する方解石の沈殿に伴い減少する傾向がモデルで予測されました。
- 孔隙率の減少: モデリングにより、アルカリ性浸出水と地下水の反応で方解石（Calcite）が沈殿し、孔隙率が30日間で10%から約7.5%へと低下することが予測されました。
- 重金属: 重金属類の系統的な濃度上昇は確認されませんでした。これはバックフィル注入によるpH上昇が限定的であったことも要因の一つと考えられます。
4. 考察本研究により、炭酸塩帯水層には高カルシウム灰由来の強アルカリを効果的に中和する能力があることが実証されました。
- 緩衝メカニズム: 地下水に溶解しているCO₂から生成される炭酸が、浸出水の水酸化物イオン（OH⁻）を消費し、方解石として沈殿させることでpHを背景値付近まで低下させます。このプロセスは、大気とのガス交換が容易な浅い帯水層で特に有効です。
- 水理的障壁の形成: 方解石の沈殿による孔隙率の低下は、バックフィル周辺の透水性を下げ、浸出水の拡散を抑制する「水理的障壁」として機能する可能性があります。
- 真の環境懸念: 炭酸塩帯水層において、高カルシウム灰の使用による主要な課題はpHの上昇ではなく、硫酸塩（SO₄²⁻）の増加であることが明らかになりました。飲用水源として利用される地域では、pHよりも硫酸塩に焦点を当てたモニタリングと対策が不可欠です。
後輩君「表面波の分散曲線を得られない」とのこと。
データの一部を見せてもらいました。
まずはコリレーション。そしてCMP重合。で、位相シフト。Claude に指示したところ、何の問題もなく結果が出ました。彼も Claude を使用して試行錯誤していたのにたどり着けていません。
この差は何なのか？と考えた結果、経験か？となりました。
知識はあっても、不慣れであれば指示が大雑把になるかもしれません。求める答えにたどり着くには、AIの提案に対して細部の判断、方向性のずれの早期修正が必要です。手順、見たい周波数帯、測点の選定範囲、間隔など、基礎知識として点で持っていても、線でつながっていないと適切な指示ができないのでしょう。
以前は基礎知識を習得後、自分でプログラムを組むか市販ソフトの使い方を覚える必要がありました。が、今はそこまで必要ありません。順に何をしたいか、何に気を付けないといけないか、誤っていたら修正させるなど、口頭でそのまま AI に渡せる能力があれば十分です。若い人たちに対しては、ソフトの指導は必要なく、考え方の指導がより重要になっています。もしかすると、オジサンに優しい時代が来たのかもしれません。
基礎知識、ノウハウ、応用力がより重要になっています。オジサンの経験を Skill として記録し展開することで、停滞していた技術の伝承もある程度進むのかもしれません。
Fable5 が使用停止になっている Claude。
UBUNTU では Code を CLI で利用しています。
Windows では GUI？。こちらには Chat, Cowork, Code が含まれています。Chat, Cowork は アカウント共通で、別 PC でも（Chatは）スマホでも同じセッションを扱えます。カスタマイズした skill も共通です。
が、Code の Skill は PC 毎。カスタマイズした Skill とは別です。
plugin も含めて整理すると3系統です。
① アカウント共通のSkill（クラウド型）— Chat / Cowork
保存先: Anthropic アカウント（クラウド）
同期範囲: ログインした全端末で共通。Skill は自分のアカウント専用（プライベート）。Enterprise はオーナーが組織全体へ配布可。
追加方法: アプリ内 Customize > Skills →「+」→ Browse skills / Create skill（Create skill 内で ZIP アップロード）
実行環境: コード実行コンテナ（要：Code execution 有効化 ／ Settings → Capabilities）
対応形式: 自己完結した単体 Skill のみ。ZIP はルートに Skill フォルダごと入れ、中に SKILL.md。
② PC別のSkill（ローカル型）— Code（Claude Code）
保存先: このPCのファイルシステム。-g 指定時は %USERPROFILE%.claude\skills\、-g なしはそのプロジェクトの ..claude\skills
同期範囲: PCのみ（端末ごとに個別インストール。アカウント同期なし）
追加方法: ターミナルで npx skills add ... -a claude-code（-g=全体 / なし=そのフォルダ(プロジェクト)限定）
実行環境: ローカル
③ Plugin
中身: Skill＋エージェント＋コマンド＋フックの束
保存先: PCの %USERPROFILE%.claude\plugins\（ローカル）
同期範囲: PCのみ（アカウント同期は公式に無し）
追加方法: Claude Code 内で /plugin marketplace add owner/repo → /plugin install 名前@マーケット名
実行環境: ローカル（Claude Code）
node が入っていない PC では、Code に頼めば両方ともいれてくれます。
npx skills add https://github.com/vercel-labs/skills --skill find-skills -a claude-code -g
npx skills add https://github.com/anthropics/skills --skill frontend-design -a claude-code -g
npx skills add remotion-dev/skills --skill remotion-best-practices -a claude-code -g
論文作成に使えそうな Plugin, Skill では、以下が引っ掛かりました。
npx skills add dsebastien/ai-skill-scholar --skill "*" -a claude-code -g
npx skills add dsebastien/ai-skill-arxiv --skill "*" -a claude-code -g
https://github.com/tam07pb915/ethical-academic-writing
これはclaude.aiでの利用が推奨されています。①クラウド型 Chat / Cowork ZIP 用です。
ダウンロード → claude.ai の Customize > Skills → Create skill でアップロード。
中身は Skill なので、②としても可能。
npx skills add https://github.com/tam07pb915/ethical-academic-writing --skill ethical-academic-writing -a claude-code -g
以下はフックの自動実行が将来的に不安だったので入れていません。が、プラグインの入れ方として残しておきます。
https://github.com/Galaxy-Dawn/claude-scholar/blob/main/README.ja-JP.md
インストール
/plugin marketplace add Galaxy-Dawn/claude-scholar
/plugin install claude-scholar@claude-scholar
/reload-plugins
削除
/plugin uninstall claude-scholar@claude-scholar
/plugin marketplace remove claude-scholar
研究にAIを使わないという選択肢はもうありません。有効な使い方、プロセスが提供されていますし、若い方にとっては標準ツールの一つになっているでしょう。
どう使うかが問われる中で、自分の使い方を模索しつつ、同時に対応も求められている──そのような状況です。
