眞田 幸尚

◦これまで放射線測定データを解析し、線源分布などを推定するには、多くの情報を考慮した解析作業と、それに伴う多くの計算時間が必要でした。 ◦一方、東京電力福島第一原子力発電所(以下、「1F」)事故以来実施してきた、環境中の放射線分布（放射線マップ）の作成を通して、放射線測定の結果が、膨大なデータ(以下、「ビッグデータ」)として蓄積されています。 ◦原子力機構は名古屋大学と共同で、AI（人工知能）の一部である機械学習を活用し、無人航空機（以下、「UAV」：unmanned aerial vehicle）で取得したビッグデータから、迅速かつ精度よく放射線マップを作成する、新たな放射線測定データの解析手法の開発に成功しました。 ◦本手法を用いることにより、従来の手法に比べて30%以上精度良く地上の放射線測定値を再現した放射線マップを作成することができました。また、これまで1時間以上かかっていた解析作業を、数分で終えることができました。 ◦これにより、1Ｆ周辺の避難指示区域における詳細な放射線マップを迅速かつ精度よく作成することができ、除染や避難指示区域解除などの科学的根拠として役立つことが期待されます。 ◦今後は、学習データに写真による構造物の識別情報や気象条件の違いなどを付加することで、さらに精度を向上していきます。 ◦本手法は、UAVだけでなく様々な環境中の放射線測定に応用可能です。また、医療用の放射線測定や検出器の校正などへの応用も期待されます。

湖沼や河川の⽔底の放射性セシウムによる汚染実態把握は、農業再開に向けて重要な課題。 しかし、これまでの調査は柱状の底質試料を採取して、層ごとに分けて分析するため⼿間がかかっていた。 原⼦⼒機構は⽔底で測定したγ線スペクトル特性（散乱γ線と直接γ線）から、底質中の放射性セシウムの深さ分布を評価する⼿法を開発した。この成果により、湖沼・河川等で底質試料を採取しなくても、迅速かつ簡便に⽔底の放射性セシウムによる汚染実態を把握できるため、モニタリングの効率化が期待できる。