东京大学研究人员使用人工智能来预测放射性碎片的扩散

AiTechYun

编辑：chux

在像2011年福岛那样的核熔毁之后，风和水流将放射性碎片广泛传播，使这些范围内的暴露风险。现有的大气建模工具非常不可靠，因此灾难应对小组很难确定人群撤离的优先顺序。

幸运的是，东京大学的新研究表明，在机器学习的帮助下，可以准确预测放射性物质的分散。

东京大学研究所的研究小组在Scientific Reports期刊上发表的一项新研究报告中，提出了克服这一困难的方法。

由Takao Yoshikane领导的团队，一位专门研究区域地球系统建模的项目讲师和发表在科学报告期刊上的论文的主要作者，在多年的天气模式数据上训练了神经网络，以预测放射性排放可能采取的路线。

这一计算机程序，可以使用预期风力模式的天气预报，准确预测最终放射的放射性物质将在30小时内沉降的位置。该工具可以实施疏散计划和其他健康保护措施。

令人印象深刻的是，当团队调整冬季天气模式的参数时，该模型预测扩散至少85％的准确度提升到95％。

AI模型预测放射性物质的传播

“在预测未来30多个小时时，这种方法的准确性并未降低，这在灾难情景中非常重要，”Yoshikane表示，“这使当局有时间在受影响最严重的地区安排疏散计划，并向特定地区的人们发出关于避免食用新鲜农产品和服用碘化钾的指导，这可能会限制人体对摄入的放射性同位素的吸收。”

人工智能模型可能有助于政府规划未来的灾难。目前，由于当今模型的准确性有限，日本政府已表示不会使用模型预测来确定未来的疏散路线。

研究人员写道：“为了降低接触风险，政府应该在发生放射性沉积时尽早发出有关水的消耗和农产品分销的警告，但是，如果没有可用的预测，采取适当的行动是具有挑战性的。”