17:15 〜 19:15
[MGI30-P01] 物理法則に基づくニューラルネットワークによる非線形フォースフリー磁場の外挿実験とその応用性について
キーワード：非線形フォースフリー磁場、太陽フレア、物理法則に基づくニューラルネットワーク、宇宙天気
富士通株式会社と東海国立大学機構名古屋大学宇宙地球環境研究所（ISEE）は、深宇宙探査の安全確保に向け、2023年9月より共同研究を開始している。この取り組みではこれまでに、AI技術を用いて、太陽高エネルギー粒子（SEP）事象の発生予測を見据えた、大規模な太陽フレア（SF）を予測しうる特徴量についての因果探索などを実施してきている(cf. 2024年JpGU, M-GI29, 加藤ほか)。
太陽フレアの予測の観点においては、Ishiguro and Kusano (2017), Kusano et al. (2020) などによる物理モデルを元にした手法が既に提唱されている(κ-scheme)。この手法は、SDO/HMI によって観測された光球面ベクトル磁場データから、直接には観測することが困難なコロナ中の3次元ベクトル磁場をnonlinear force-free field (NLFFF)近似をもとに磁気流体力学的(MHD)緩和法（Inoue et al., 2014）による数値計算によって導出し、その安定性を評価するものであり。現在、NICTにおけるリアルタイム宇宙天気予報運用にも応用されつつある。
我々は、本協定内の取り組みにおいて、この NLFFF の AI による導出を行っている先行研究、Jarolim et al. (2023), (2024) に着目し、現在その追試を行っている。先行研究では、Physics Informed Neural Networks (PINNs) をベースとしたアーキテクチャを採用しており、損失関数については、 force free loss、divergence loss および、光球面におけるSDO/HMI 観測値を元にした境界条件を設定している。本発表では、Jarolim et al. (2023)においても言及されている活動領域 NOAA 11158 (2011年2月15日にXクラスフレアを発生) について、得られたPINNs による NLFFF と MHD緩和法によって得られた NLFFF の定性・定量的比較、フレアの予測可能性について議論する。また、本追試や比較を通して得られた、計算科学とAI技術の融合による、更なる宇宙惑星地球科学分野への適用や発展の可能性についても議論する。
太陽フレアの予測の観点においては、Ishiguro and Kusano (2017), Kusano et al. (2020) などによる物理モデルを元にした手法が既に提唱されている(κ-scheme)。この手法は、SDO/HMI によって観測された光球面ベクトル磁場データから、直接には観測することが困難なコロナ中の3次元ベクトル磁場をnonlinear force-free field (NLFFF)近似をもとに磁気流体力学的(MHD)緩和法（Inoue et al., 2014）による数値計算によって導出し、その安定性を評価するものであり。現在、NICTにおけるリアルタイム宇宙天気予報運用にも応用されつつある。
我々は、本協定内の取り組みにおいて、この NLFFF の AI による導出を行っている先行研究、Jarolim et al. (2023), (2024) に着目し、現在その追試を行っている。先行研究では、Physics Informed Neural Networks (PINNs) をベースとしたアーキテクチャを採用しており、損失関数については、 force free loss、divergence loss および、光球面におけるSDO/HMI 観測値を元にした境界条件を設定している。本発表では、Jarolim et al. (2023)においても言及されている活動領域 NOAA 11158 (2011年2月15日にXクラスフレアを発生) について、得られたPINNs による NLFFF と MHD緩和法によって得られた NLFFF の定性・定量的比較、フレアの予測可能性について議論する。また、本追試や比較を通して得られた、計算科学とAI技術の融合による、更なる宇宙惑星地球科学分野への適用や発展の可能性についても議論する。