NASA’s COFFIES Uses AI to Predict Storm-Causing Active Regions on Sun

太陽の活動領域（黒点）が表面に出現する12時間前まで予測できる機械学習モデルをNASAのCOFFIESチームが開発した。従来の宇宙天気予報は既に見えている黒点を数えて分析していたが、新しいAIアプローチは太陽表面下で起きている微細な磁場変化や音響波の変動を検出することで、事前予測を可能にしている。

太陽フレアやコロナ質量放出といった宇宙天気現象は、地球軌道の衛星や宇宙飛行士に深刻な被害をもたらす。NASAが現在推し進めるアルテミス計画（月探査）や火星有人探査では、こうした宇宙天気から乗組員と機器を守ることが極めて重要だ。従来、NASAとNOAA（米国海洋大気圏局）、米空軍による監視体制では、既に表面に現れた黒点を追跡し、その特性から太陽フレア発生確率を推定する段階に止まっていた。黒点は太陽の磁場が集中した領域の目に見える形だが、実は太陽内部のはるか下で磁場構造が形成され、それが数時間かけて表面に向かって上昇してくる。従来の予報手法はこの上昇過程を見ることができず、表面に現れた後の判断となっていたため、必然的に後手に回らざるを得なかった。

COFFIES（太陽内部・外部の磁場と流動の影響研究）チームは、ニュージャージー工科大学、プリンストン大学、NASAエイムズ研究センターの研究者を集め、太陽観測衛星ソーラー・ダイナミクス・オブザーバトリーが取得した膨大なデータに対して、「sliding-window transformer architecture」と呼ばれる高度なAI手法を適用した。このアプローチは、太陽内部の奥深くで磁場構造が上昇する際に生じる音響波のわずかな変動パターンを捉え、黒点が実際に表面に浮かび上がる前のシグナルを検出する仕組みになっている。従来のディープラーニング手法が太陽表面全体を一度に分析していたのに対し、新手法は長期間のデータを時系列に沿って「窓」をスライドさせながら観察することで、より精密な位置予測を実現している。研究成果は「Journal of Geophysical Research: Machine Learning and Computation」に査読済みで発表されている。

この予測能力の向上が持つ意味は、単に学術的な進展に止まらない。衛星や宇宙機器を製造する日本の部品・装置メーカーにとって、宇宙天気の予測精度向上は直接的な設計課題に関わる問題だ。宇宙環境での放射線被曝や磁気嵐に対する耐性設計は現在も重要な課題だが、12時間前の予測が可能になれば、衛星や探査機の設計段階でのマージン設定や、軌道上での運用戦略がより最適化される可能性がある。また、国際宇宙ステーション構成部品の製造や月・火星探査に携わる日本企業にとっても、米国のこうした予測能力向上は宇宙飛行士と機器の安全性、さらには宇宙ミッション全体の信頼性向上に直結する重要な開発だと考えられる。

ただし、このモデルはまだ実運用段階にはない。COFFIES チームが強調しているように、より多くの太陽活動イベントでの検証を経て、初めて実用化の段階に進むことになる。NASAはNOAA、軍、複数の研究機関と連携して、こうした予測技術を実際の運用ツールへと転換する努力を進めており、その過程で本モデルがどのように組み込まれるか、また検証過程でどのような課題が浮上するかがこれからの注視点となる。日本企業がこうした米国の宇宙天気監視体制に参加し、得られた情報を戦略的に活用することの重要性は、これからさらに増していくだろう。

Introduction ends here. Please read the full article at the source.