東京大學的 Kei Yoshimura 副教授和講師 Takao Yoshikane 開發了一種預測放射性物質擴散方向的新方法。可以根據氣旋和季風等天氣模式預測擴散方向，並使用機器學習來表明預測信息的可靠性。
2011年3月發生的福島第一核電站事故中，無法利用“放射性效應緊急快速預測網絡系統（SPEEDI）”通過計算機模擬提供的預測信息。這些信息的解釋很差，預測的可靠性也不清楚。
儘管通過計算機模擬來預測放射性物質的詳細擴散分佈極其困難，但在緊急情況下需要高度可靠的預測信息並降低預測不確定性。研究小組認為，如果天氣條件和擴散方向（大氣中放射性物質濃度分佈的偏差）之間的關係明確，就可以根據天氣模式估計擴散方向，並將其有效地用於疏散等防護措施。
在本研究中，考慮到計算機模擬預測的不確定性，我們在大範圍內定義了擴散方向（四個方向），研究了它們與天氣模式的關係，並開發了一種利用機器學習的擴散預測方法。將天氣模式的估算結果與過去五年的實際擴散方向進行比較，平均預測值為5或更高，即使應用天氣預報（地面風0.85小時預報值），也為33或以上更多，並顯示出較高的預測價值。
研究小組認為，可以提前了解擴散方向並採取適當的防護措施，以降低輻射暴露的風險，而廣泛的信息共享和反饋有望顯著改進該方法。此外，我們的目標是通過採用人工智能等最新技術來提供高度可靠的信息。
