日本科研人员利用人工智能预测放射性物质的扩散情况

日本东京大学工业科学研究所的科研人员近期证明，利用机器学习技术可以精确预测放射性材料的扩散情况。

2011年日本福岛第一核电站(Fukushima Daiichi)发生核泄露之后，风和水流将放射性碎片扩散至四面八方，使这些碎片处于暴露的危险范围内。问题是什么呢？现有的大气建模工具被认为是非常不可靠的，这使得灾难响应小组很难优先考虑疏散哪些人群。

幸运的是，东京大学（University of Tokyo）工业科学研究所的一项新研究表明，通过机器学习，可以准确地预测放射性物质的扩散。

一个由Takao Yoshikane领导的研究小组对多年的天气模式数据进行了神经网络训练，来预测放射性物质可能的扩散路径。令人印象深刻的是，该模型预测扩散的准确率能达到至少85%，并且当研究小组调整冬季天气模式的参数时准确率高达95%。

Yoshikane表示:“这种方法的准确性在预测未来超过30小时时并没有下降，这一点在灾难场景中极为重要。这使得当局有时间在受灾最严重的地区安排疏散计划，并向特定地区的人们提供有关避免食用新鲜农产品和服用碘化钾的指导意见，这样可以限制人体摄入放射性同位素的吸收。”

研究人员认为人工智能驱动的模型可以帮助政府为未来的灾难做计划。目前，由于当今模型的准确性有限，日本政府已经表示不会使用模型预测的方法来确定未来的疏散路线。

研究人员在报告中写道:“为了降低辐射暴露的风险，政府应该在出现放射性沉积时，尽早发出有关用水和农产品分配的警告。然而，如果在没有预测的基础上，将很难采取适当的行动。”