AI

太陽放射線をAIで予測し、予測根拠が似た過去事例を提示

この記事のポイント

  1. 実現したこと

    太陽放射線イベントの発生確率について、確率を押し上げた要因や条件の組み合わせを提示できるという。

  2. 実現の仕組み

    説明可能なAIが、太陽磁場やフレア特性などの観測量から特徴量同士の関係を学習する。

  3. 得られた結果

    選んだ類似イベントで観測された放射線量や具体的な影響、対応事例を参照できると、開発主体が説明している。

  4. 従来との違い

    発生確率の推定と、予測根拠を使った過去事例の自動選定が、一つの予測技術に組み込まれた。

太陽の磁場と明るいフレアを大きく描き、右側に過去の太陽放射線イベントを思わせる3つの場面を並べた編集イラスト。
AI生成画像

太陽放射線イベントの発生確率を推定し、その根拠を使って過去の類似事例も選ぶAI予測技術が開発された。富士通と東海国立大学機構によると、確率を押し上げた条件と、似た事例で実際に観測された放射線量や影響を結び付けて参照できる。

フレアの規模だけでは放射線量を捉えにくい

太陽放射線イベントの予測では、太陽フレアの規模だけを手掛かりにすることに難しさがある。富士通と東海国立大学機構は、大規模なフレアほど太陽放射線が生じやすい一方、フレアの大きさと放射線量の間には強い相関がなく、単純な経験則による推定が困難だったと説明している。

太陽磁場とフレア特性から予測の条件を抽出

開発した技術は、説明可能なAI技術のWide Learningを使い、太陽磁場やフレア特性などの観測量から特徴量同士の関係を学習する。富士通と東海国立大学機構によると、発生確率の推定に加え、その確率を押し上げた要因や、特徴的な条件の組み合わせを提示できるという。

抽出した予測根拠を過去事例の選定に使う

予測で抽出した条件は、過去のイベントを選ぶ手掛かりにもなる。富士通と東海国立大学機構が開発した技術は、発生確率の推定にこの事例選定を組み合わせた。条件に基づき、過去の太陽放射線イベントの中から最も類似する事象を自動で選定できるとしている。

類似事例の放射線量と実際の対応を参照

選定された事例からは、過去に観測された放射線量と、実際に生じた具体的な影響を照合できるという。富士通と東海国立大学機構は、影響に対する対応事例も参照できるとしており、利用者は予測の数値に加えて、予測根拠が似たイベントの経験を判断材料にできる。