[U-12] 人工知能が拓く地球惑星科学の将来

[U12-04] 宇宙天気予報へのAI技術の応用

★招待講演

*西塚 直人¹ (1.国立研究開発法人　情報通信研究機構)

キーワード：宇宙天気予報、機械学習、太陽フレア、深層学習

機械学習を含むAI技術は、宇宙天気予報や太陽物理、宇宙科学分野への応用も進んでいる。太陽フレア予測では既に機械学習モデルが予報運⽤に実装されるなど利活用が進んでおり、他にも太陽風速度の推定や電離圏擾乱や地磁気嵐の予測、太陽観測データの高解像度化などに利用されている。またIEEE等でも太陽データのセッションが開催されるなど、情報科学分野との連携が急速に進んでいる。さらに昨今では、物理法則を取り入れた機械学習⼿法や、機械学習を用いたデータからの物理法則導出⼿法などの開発が行われており、データ科学的アプローチは宇宙天気予報や太陽物理・宇宙科学分野においても大きな可能性を秘めている。

太陽衛星観測データは均質かつ高解像度のデータで、宇宙天気予報の中でも最も機械学習の応用が進んでいる。2010年米国太陽観測衛星の打ち上げ以降、大容量のデータが蓄積されて一般公開されている。太陽極大期を過ぎた2015年から同データに対する機械学習の応用が活発化し、2018年に深層学習を用いた太陽フレア予測モデルの発表が行われた。宇宙天気予報において太陽フレアの予測精度の向上は長年の課題であり、太陽観測画像に機械学習を適用することで、人手による予測精度を超えるための挑戦が行われてきた。さらに生成AIを用いた太陽裏面磁場の推定や、地上観測のノイズやシーイング除去技術にも応用が進んでいる。

我々は太陽フレアAI予測モデルDeep Flare Netを開発し、運用化して毎日の宇宙天気予報会議でも活用している。太陽物理では、太陽フレア発生機構の素過程を解明する研究がされてきた。それらの知識や経験を土台として、太陽フレア前に前兆現象として現れる黒点磁場やＸ線観測データの特徴を大量データから抽出して学習させることにより、より高精度な予測を可能にした。同予測モデルは3つのパートで構成される。(1)Ｘ線、紫外線で観測した太陽コロナや光球磁場の観測データから黒点周辺の活動領域を自動検出し、(2)各領域から79個の物理特徴量を抽出、(3)それらを深層学習に入力することで24時間以内に発生する最大規模のフレアの予測を行う。

フレア予測の評価尺度にはTrue Skill Statistics (TSS)が用いられている。TSSは学習データのフレア事象含有率に依らないため、論文上で公平な比較ができる。従来の人手予測では0.50程度であったが、Deep Flare Netでは中規模(M)クラス以上のフレア予測に対して0.80の予測精度の達成に成功した。さらに近年は、国際的なベンチマークテストも行われ、標準的な評価尺度の選定が改めて課題となっている。複数のベンチマーク⽤データベースや太陽解析ソフトのPython 版が公開され、情報系研究者が気軽に参加できる環境づくりも⾏われている。さらに太陽圏観測データベースの機械学習解析プラットフォームも構築されつつある。

さらに現在、磁気圏や電離圏といった地球周辺の宇宙天気予報に、AI技術の応用は拡大している。AI予測と数値シミュレーション予測の長所を上手く組み合わせることで、予測精度を向上することが課題である。また、AI予測技術と社会インフラへの影響対策を組合わせることにより、宇宙天気予報の民間利用を促進することも課題である。本講演では宇宙天気予報への機械学習やAI技術の応用例を紹介し、今後の課題について議論する。