L’Institute of Industrial Science de l’Université de Tokyo a publié un communiqué le 3 juillet dernier concernant les recherches d’une de ses équipes sur une intelligence artificielle capable de prédire les retombées radioactives en cas d’accident nucléaire. Takao Yoshikane et Kei Yoshimura en charge de ce projet ont d’ailleurs présenté dans la revue Nature un article à ce propos intitulé Dispersion characteristics of radioactive materials estimated by wind patterns.
“Lorsqu’un accident dans une centrale nucléaire se produit et que des matières radioactives sont libérées, il est essentiel d’évacuer les personnes dans les alentours le plus rapidement possible. Cependant, il est difficile de prédire avec exactitude l’étendue et la localisation des retombées radioactives, ce qui rend compliqué la prévention de l’exposition d’un grand nombre de personnes” expliquent les chercheurs.
L’équipe de l’Institute of Industrial Science de l’Université de Tokyo a donc travaillé sur un programme informatique capable de prédire avec précision où les retombées radioactives émises se localiseront, plus de 30 heures à l’avance. Pour cela, leur système basé sur une intelligence artificielle utilise les prévisions météorologiques et notamment le vent. Cet outil permettrait la mise en place de plans d’évacuation efficace et d’autres mesures de protection si un autre accident nucléaire, similaire à celui de 2011 à la centrale nucléaire de Fukushima Daiichi, devait survenir.
Cette étude cherche à aller plus loin que les outils de modélisation atmosphérique existants, jugés si peu fiables qu’ils n’ont pas été utilisés dans la planification et la gestion de crise lors de la catastrophe de Fukushima Daiichi. Dans ce contexte, l’équipe de Takao Yoshikane et de Kei Yoshimura a créé un système basé sur du machine learning, utilisant des données issus de modèles météorologiques, afin de prédire le trajet que les retombées radioactives sont susceptibles de suivre.
“Notre nouvel outil a d’abord été entraîné en utilisant des années de données météorologiques pour prédire où la radioactivité se répandrait si elle était libérée d’un point particulier”, explique Takao Yoshikane. “Au cours des tests, il pouvait prédire la direction de la dispersion avec au moins 85% de précision, avec une augmentation à 95% en hiver lorsque les conditions météorologiques sont plus prévisibles.”
“Le fait que la précision de cette approche ne diminue pas lorsqu’elle effectue des prédictions avec plus de 30 heures d’avance est extrêmement important dans les scénarios catastrophes”, précise Takao Yoshikane. “Cela donne aux autorités le temps d’organiser des plans d’évacuation dans les zones les plus touchées et d’aider les populations à éviter de manger des produits frais et de prendre de l’iodure de potassium, ce qui peut limiter l’absorption des isotopes radioactifs par l’organisme.”
