HTML5 Webook

155/238

まえがき太陽活動は宇宙天気現象の源である。前章（4-1, 4-2）で解説されたコロナ質量放出（CME: Coronal Mass Ejection）や高速太陽風は、いずれも太陽表面での活動が原因となって発生している（図1）。近年、「ひので」衛星などの太陽衛星観測や地上観測によって、太陽表面で起こる詳細な磁気プラズマ活動現象の描像が明らかになってきた。太陽活動は太陽内部で起こるダイナモによって駆動され、表面に浮上してきた磁場が黒点群を形成し、太陽フレアやコロナ質量放出を引き起こす。2017年9月には11年ぶりに、通常の1,000倍のX線を放出する巨大フレアが発生してニュースにもなった。太陽フレアは黒点周辺に蓄積された磁気エネルギーを解放することで発生する太陽系最大の太陽面爆発現象である。黒点の集まりである黒点群は、磁場の浮上とともに数日間で形状は大きく複雑に成長し、歪ひずみのような余剰エネルギーも蓄積する。地震と同様、こうした歪みはある限界値を超えると安定性を失い、大爆1図1　太陽フレアとコロナ質量放出（CME）（SDO衛星、SOHO探査機）太陽フレアは、主に黒点群周辺に蓄積された磁気エネルギーの解放により発生する。太陽フレアに伴うX線放射や高エネルギー粒子放出、地磁気じょう乱は我々社会にも影響し、その発生機構の理解と予測精度の向上は重要な課題となっている。しかしながら、いまだフレア発生機構は長年の謎であり、精度よく予測するには至っていない。そこで筆者らは膨大に蓄積された太陽磁場観測画像等に深層学習手法を適用することで、予測精度の向上を図った。その結果、黒点群ごとにおける太陽フレアの決定論的予報を可能にし、従来の人手による約5割の予測精度を8割まで向上することに成功した。さらに本予測モデルを、深層学習を用いた世界初の太陽フレア予報運用モデルとして世界で初めて活用し、予報結果を公開している。本稿では我々の太陽フレア深層学習予報システム「Deep Flare Net」を紹介し、フレア発生機構を探る新たなアプローチ等についても解説する。Solar flares take place by the energy release of magnetic field stored around sunspots. X-ray emissions, high energy particles and geomagnetic disturbances originating from solar flares some-times affect our society. Thus, it is an important task to understand the solar flare mechanism and improve prediction accuracy. Here, we applied deep neural networks to large amount of solar ob-servation images such as magnetograms. As a result, the method enabled deterministic forecasts of flares, and we succeeded in improving accuracy up to 80%, which is better than human hand forecasts of 50%. Furthermore, we started the daily operations of the model, which is the first op-erational forecasting model using deep neural networks, and released the forecasted results. In this paper, we introduce our solar flare prediction model using deep neural networks, named Deep Flare Net, and a new approach to study the solar flare mechanism using importance ranking analysis of solar features.4-3　太陽フレア発生予測4-3Solar Flare Prediction西塚直人　久保勇樹　杉浦孔明　田　光江　石井　守NISHIZUKA Naoto, KUBO Yûki, SUGIURA Komei, DEN Mitsue, and ISHII Mamoru1494　太陽・太陽風研究