Microsoft Research、電力網における宇宙天気リスクを予測、ただし運用者にはなお確証が必要
Microsoft Researchは、特定の危険が現れる30〜60分前に、電力網に対する宇宙天気リスクを予測するシステムを構築した。この実験的なパイプラインは、米国本土の66,935か所の変電所について局地的なリスクを推定する。これは、地磁気嵐が接近しているという広範な警告よりも、はるかに具体的な対象を示すものだ。
このシステムは、宇宙天気予報と電力事業者の制御室内での意思決定との間に長く存在してきた隔たりに対応する。運用者が知る必要があるのは、どの地点が最も大きな負荷にさらされるのか、その負荷がいつ到来するのか、そして防護措置が正当化されるのかという点だ。
Microsoftによれば、評価では主要イベントの約80%を検出したという。ただし同社も、電力事業者がこのモデルに依存する前に、運用データで検証しなければならないと認めている。中心的な問いは、機械学習が大陸規模のリスクマップを作成できるかどうかではなくなった。誤りのコストが最も高くなるまれな嵐においても、その予測が信頼できるものであり続けるかどうかだ。
電力網における宇宙天気リスクの予測が地点別に
Microsoftの主な進歩は、到来する太陽擾乱と個々の変電所のリスク推定を結び付けた点にある。
2026年9月30日のrisk forecasting pipelineは、L1として知られる最初の太陽・地球ラグランジュ点で得られる太陽風測定から始まる。この観測点は太陽風の上流に位置し、予報担当者に地球へ向かう条件を短時間ながら見通す機会を与える。
このシステムは、地磁気活動の2つの指標を予測する。AE（Auroral Electrojet）指数は、オーロラ域周辺の電流に関連する磁気活動を追跡する。Dst（Disturbance Storm Time）指数は、嵐の最中に地球を取り巻くリングカレントの強さを表す。
こうした全球指標だけでは、特定の送電網資産に対するリスクの全容は明らかにならない。そこでMicrosoftは、緯度、地域の地質、地盤導電率、モデル化された送電網インフラと組み合わせる。続いて勾配ブースティングモデルが、局地的な磁場が時間とともに変化する速度であるdB/dtを推定する。
この変化率が重要なのは、急激な磁場変動が地中に電場を誘起するためだ。その電場は、接地された送電設備を通じて地磁気誘導電流（GIC）を流し得る。GICは、交流用に設計されたネットワーク内部では直流電流によく似た振る舞いをする。
その結果生じる電流は、変圧器コアを飽和に追い込む可能性がある。連邦機関によるtransformer saturationの説明によれば、飽和は異常電流、電圧問題、発熱、無効電力需要の増加を引き起こし得る。深刻な状況では、機器の損傷やサービスの中断につながる可能性がある。
この連鎖は、一般的な嵐の警報が運用上の価値を持ちにくい理由を示している。同じ嵐の最中でも、緯度、地質、接地、接続される送電線が異なるため、2つの変電所が異なる影響を受けることがある。誘起電場は送電線の向きと相互作用するため、方向も重要となる。
Microsoftのモデルは、大陸全体を対象にしながら、こうした局地的な差異を維持しようとしている。測定された推論では、66,935か所すべての変電所について約333ミリ秒で推定値を生成した。この速度により、分析担当者は長時間のシミュレーションを待つことなく、多数のシナリオを試せるようになる。
出力は、すべての変圧器を流れる電流の直接測定ではない。磁場変動と地点固有の入力から導かれたモデル推定値だ。この違いは、電力事業者が警告が運用に影響を与えるほど正確かどうかを評価する際に重要になる。
それでも、この取り組みはMicrosoftの宇宙天気予報の形を変える。「強い嵐が来る」という段階で終えるのではなく、地上への影響がどこで危険になりやすいかをパイプラインは問う。
警告時間は短いが、運用上の意味がある
30〜60分では大規模な工事には足りないが、焦点を絞った運用判断を支えることはできる。
宇宙天気の予測には、避けられない時間的な問題がある。予報担当者は、太陽を離れる噴出を地球に到達する数日前から観測できる。しかし、最も重大な磁気的性質は、擾乱がL1付近の観測機器に近づくまで不確実なままだ。
太陽風も急速に変化し得る。地球の磁気圏との相互作用は、速度、密度、磁場の向きに左右される。これらの条件によって、地球近傍環境にエネルギーがどれほど効率的に流入するかが決まる。
NOAAのガイダンスによると、L1付近での測定は通常、太陽風の条件が地球に到達するまで詳細な警告を数分しか提供しない。Microsoftはこの物理的制約の中で取り組んでおり、それをなくそうとしているわけではない。同社の貢献は、その限られた警告を地理的に具体的な推定へと変換することにある。
有用な予測は、運用者が影響を受けやすい設備を確認し、選定した変電所への注意を高め、対象を絞ったネットワーク調整を準備する助けになり得る。Microsoftは、無効電力予備力の変更やネットワークの一部を一時的に再構成することなど、可能な対応を挙げている。
こうした対応は簡単ではない。保守的な対応にはコストが伴い、送電を制限し、通常の系統運用を複雑にする可能性がある。一方、イベントを見逃せば、重要な設備が異例の熱的・電気的ストレスにさらされる可能性がある。
ここには非対称な意思決定の問題がある。誤警報は不要な介入を促しかねない一方、見逃しは重要資産を無防備な状態に置きかねない。したがって、有用な警告システムは印象的な平均検出率だけでなく、それ以上のものを示す必要がある。
信頼度、時期、地理的範囲、予測対象となる深刻度の閾値を伝えなければならない。また、誰がどの条件下で行動できるかを定める既存の手順にも適合する必要がある。
北米の運用者はすでに、地磁気擾乱に対応する要件の下で業務を行っている。該当するoperating standardは、このようなイベントの影響を低減することを目的とした計画、プロセス、手順を要求している。
この既存の枠組みは、Microsoftの研究が実務に入るための可能な道筋を与える。このモデルは、公式警報や運用計画に取って代わる必要はない。それらの計画の中で、電力事業者が注意を向ける先を定める追加の意思決定レイヤーになり得る。
しかし、研究の出力と運用上の権限は別物だ。センサーが故障したとき、入力の到着が遅れたとき、あるいは嵐の条件が学習分布の範囲外にあるときに、モデルがどのように振る舞うかを運用者は理解しなければならない。
30〜60分という警告時間は、こうした問題をより重要にする。その期間の大半を、予測が信頼できるかどうかの議論に費やすことはできない。手順、閾値、説明責任は、嵐が到来する前に確立されていなければならない。
そのためMicrosoftの宇宙天気予報は、技術面と制度面の両方で試されることになる。正確な局地推定を生み出し、それを訓練を受けた運用者が時間的プレッシャーの下で利用できる形で提供しなければならない。
モデルは物理信号と機械学習を組み合わせる
このパイプラインの強みは、全球的な嵐の予測と、地上レベルのリスクを形作る局地条件を組み合わせている点にある。
Microsoftは予測プロセスを3段階に分けた。まず、システムは太陽風の観測を用いてAEとDstを予測する。また、モデル化された各変電所について地理的特徴量と導電率の特徴量を準備する。
次に、機械学習段階でこれらの入力を組み合わせ、dB/dtを推定する。第3に、パイプラインはこれらの予測を局地的なリスク推定へ変換し、大陸規模の評価に集約する。
これは単一の不透明な予測ではなく、メカニズムに焦点を当てた設計だ。各段階は、太陽活動とインフラの曝露の間にある物理的なステップに対応する。この構造により、太陽風データから直接送電網リスクへ飛ぶ単一モデルよりも、エラーを調査しやすくなるはずだ。
このプロジェクトは公開データを使用した。Microsoftは、NASA OMNIの太陽風記録、京都世界データセンターの指数、INTERMAGNETの観測、米国地質調査所の磁力計データ、GridSFM由来のインフラ情報を特定している。
局地的な導電率は特に重要だ。抵抗性の高い岩盤は、同程度の磁気擾乱下で、より導電性の高い地盤よりも強い地電場を支え得る。沿岸境界や複雑な地質構造は、さらに応答を変化させる可能性がある。
最近の連邦機関によるconductivity mappingは、この課題の規模を示している。米国の地磁気地電流アレイは、2006年から2024年にかけて1,800か所を超える観測点でデータを収集した。
この取り組みは、地殻と上部マントルの全国的な電気的プロファイルを生み出した。このような測定は、より単純な1次元の導電率仮定では過大評価または過小評価されるおそれのある脆弱性を明らかにできる。
Microsoftの地点特徴量は、この地理的な差異を予測システムに取り込む。また、米国本土以外への拡張をより複雑にする。地質や送電網トポロジーが異なる別の国で、同じ局地的な入力を単純に再利用することはできない。
このプロジェクトは、特徴量、検証戦略、モデル構成を探るために50のAIエージェントからなるシステムも用いた。この詳細は研究のワークフローを説明するものであり、電力事業者内で動作する予測モデルそのものではない。
この区別は重要だ。エージェント数は予測品質を測るものではない。重要な証拠は、ホールドアウト性能、イベント検出、ベースラインとの比較、そして最終的には運用測定との照合による検証から得られる。
Microsoftは、AEの二乗平均平方根誤差が410.2ナノテスラだったと報告している。二乗平均平方根誤差は、予測誤差の典型的な大きさを要約する一方で、大きな見逃しにより大きな重みを置く。
Dstについて、報告された誤差は7.2ナノテスラだった。2020年から2026年の評価における最も活動的な期間では、モデルは個別の時間帯の62.2%でBurton方程式を上回ったとMicrosoftは述べている。
Burton方程式は、太陽風の入力から嵐の期間中のDstを推定するための確立された経験的方法だ。多くの活動的な時間帯でこれを上回ったことは有望だが、それですべての運用上の疑問が解決するわけではない。
性能は、嵐、地域、閾値、予測時間幅によって変わり得る。少数の危険な極端事象を見逃しながら、モデルが全体として好ましい誤差を達成することもある。インフラ運用者にとって最も重要なのは、こうした裾野の事象だ。
このシステムの段階的な設計は、そのような失敗を診断する道筋を与える。研究者は、誤差が太陽風予測、地磁気指数、局地的なdB/dt推定、あるいはインフラリスクへの変換のどこで始まったかを調べられる。
検出率は有望さを示すが、運用準備完了を意味しない
公表された結果は信頼できる研究シグナルを示しているが、信頼性の高い送電網保護をまだ確立したわけではない。
Microsoftは、最終リスク段階を3つのdB/dt閾値で評価した。毎分10ナノテスラ以上の主要イベントについて、報告された検出率は76.5%だった。毎分20ナノテスラ以上の深刻なイベントでは81.2%に達した。
毎分50ナノテスラ以上の極端なイベントでは、検出率は64.1%まで低下した。これは、報告された評価期間において、最も極端なカテゴリーのイベントの3分の1超をモデルが見逃したことを意味する。
これらの数値を、単一の一般的な精度主張としてまとめるべきではない。各しきい値は異なる評価サブセットを生み出す。イベント頻度、クラスバランス、場所、タイミングはいずれも最終的な割合に影響し得る。
Microsoftは、直接的な運用ベンチマークに使える同等かつ広く導入されたシステムを見いだせなかったため、GICリスク段階を単純線形回帰と比較した。この比較は有益ではあるが、限定的でもある。
線形モデルは、追加された機械学習の構造が有用な非線形関係を捉えているかを検証できる。一方で、同システムが電力会社や政府機関で既に使われているあらゆる予測製品より優れていることを示すものではない。
NOAAは長年にわたりGeospaceモデルの各バージョンを運用している。この物理ベースのシステムは地域的な磁気擾乱を予測し、送電網運用者の状況認識を支援する。
両アプローチは完全な代替関係ではない。NOAAのシステムは地球近傍宇宙のダイナミクスをモデル化する一方、Microsoftのパイプラインは予測指数と位置特徴をモデル化された変電所リスクに結び付ける。両者は同じ予測課題に対する補完的な経路と見ることができる。
Microsoftはまた、AE予測にDst予測を追加したことで、重大イベントの検出率が1.2ポイント改善したと報告している。この向上は複数の物理指標を用いる意義を支持するものだが、それ単独では大きな変化とは言えない。
より難しい問題は、報告された検出率が実運用に移植できるかどうかだ。履歴データセットには欠損や地理的カバレッジの偏り、最も稀な嵐の事例不足が含まれる可能性がある。
研究者は、評価データが間接的にモデル開発へ影響する情報漏えいも防がなければならない。Microsoftの投稿には、外部の読者がすべての分割、しきい値、テスト条件を再現できるだけの詳細は示されていない。
これは結果を無効にするものではない。証拠は、独立して再現された性能記録ではなく、初期の研究報告として扱うべきことを意味する。
現在の地図も、実運用イベントの記録ではなくデモンストレーションである。Microsoftは、送電網での利用前に電力会社および運用データによるさらなる検証が必要だと明言している。
その記述が適切な基準を定めている。送電網に対する宇宙天気リスクの予測には、公共データセットだけでは十分に提供できない、測定された電流データ、設備の詳細、運用者からのフィードバックが必要となる。
変電所の座標だけでは、変圧器の設計、接地抵抗、ネットワークの状態、設備の状態を説明できない。Microsoftは変圧器レベルのモデリングを今後の課題として挙げており、現在の出力には設備固有の詳細が一部欠けていることを認めている。
コミュニケーション上のリスクもある。色分けされた大陸規模の地図は、基礎となる推定値以上に確実に見える可能性がある。運用表示には、較正された不確実性、明確なタイムスタンプ、データ品質に関する警告、急激な変化の説明が必要だ。
この研究は、優先順位付けシステムとして理解したときに最も強みを発揮する。より詳しい分析が必要な地点を特定できる。一方で、特定の変圧器が故障することを独立に確立するものではない。
2024年5月の嵐が示す、局地化が重要な理由
最近の経験は、単一の地磁気嵐であっても、送電網、農場、衛星、航法システムに異なる障害を引き起こし得ることを示している。
ギャノン嵐は2024年5月10日から13日にかけて地球に到達した。20年以上ぶりとなるG5の地磁気条件をもたらし、オーロラを通常の緯度帯を大きく越えて広げた。
影響は広範だったが、一様ではなかった。NASAのGannon stormに関するレビューは、高電圧送電線のトリップ、変圧器の過熱、トラクター誘導の障害、一部の航空経路変更を記録している。
米国中西部の一部では、GPS誘導式トラクターが進路を外れたり、動作を停止したりした。これらの障害は、精密な位置情報が効率的な圃場作業を支える播種期に発生した。
他のシステムでは異なる問題が生じた。衛星運用者は大気抵抗の増加に対処し、航法信号は劣化し、一部の通信は信頼性が低下した。
NASAのイベント記録によると、GOES-16は5月13日に約2時間にわたりデータ送信を停止した。また、Starlinkサービスの劣化と、欧州宇宙機関のGaia宇宙機に影響した電気系統の問題についても記している。
それでも、この嵐は米国で広範な公共電力の非常事態を引き起こさなかった。政府報告書は、大規模な人口レベルの停電を伴わない送電網の異常を指摘している。
この対比は、宇宙天気が送電網へ及ぼす影響の分析において核心となる。深刻な惑星規模の擾乱が一様な被害を生むわけではない。地域のインフラ、工学的制御、地理、運用上の判断が結果を左右する。
1989年3月のHydro-Québecの崩壊は、歴史的な警鐘として残る。急激な磁場変化が誘導電流を生み、それが送電網障害の一因となって600万人以上への電力供給を断った。
現代の電力会社は、この出来事以降、監視、標準、運用手順を改善してきた。しかし電力ネットワークは、より相互接続が進み、衛星時刻同期、デジタル通信、精密航法への依存度も高まっている。
この組み合わせは、局地化の価値を高める。大陸規模の警報は、状況が危険であることを運用者に伝えられる。しかし、どの変電所に即時の注意が必要かは特定できない。
Microsoftのパイプラインは、急激な磁場変化が最も重要になる場所を推定することで、この隔たりを縮めることを目指している。66,935地点を対象とする出力は、国レベルの嵐カテゴリーよりはるかに詳細な地理情報を提供する。
ただし、2024年5月の嵐は、評価を電力網だけに集中させられない理由も示している。同じ太陽イベントが、農業、航空、宇宙機、無線リンク、測位サービスに影響する可能性がある。
これらのシステムは相互依存を生む。送電網運用者は通信および時刻同期サービスを利用し、復旧チームは輸送と航法に依存する。局地的な電力予測は、こうした接続されたシステム向けの予測と組み合わせることで、より価値を増す。
Microsoftのプロジェクトは現在、変電所リスクに焦点を当てている。あらゆる経済的、あるいはインフラ上の影響を網羅する完全なモデルとして解釈すべきではない。
最も強力な将来のシステムは、おそらく複数の層を結び付ける。嵐の到来、地域の磁気応答、局地的な導電率、ネットワークトポロジー、設備特性、現在の運用状態を組み合わせることになる。
これは難度の高い目標だ。2024年5月の経験は、追求する価値がある理由と、印象的な地図一枚では十分でない理由を示している。
電力会社が利用できるかを左右する3つのシグナル
次の段階では、有望な回顧的結果を、電力会社水準の証拠、不確実性の推定、設備レベルの詳細へと置き換える必要がある。
第1のシグナルは、測定されたGICおよび電力会社の運用データによる検証である。Microsoftは、高く予測されたdB/dtが、複数の嵐の際に接地された変圧器で観測された電流と一致するかを検証する必要がある。
この検証には、異なる地域、地質条件、ネットワーク構成、嵐の強度を含めるべきだ。強い一致はモデルの局地的なリスク順位を裏付ける。弱い一致は、送電網または導電率に関する特徴の欠落を明らかにする。
電力会社は、誤警報と見逃しイベントも分けて検討すべきである。大半の嵐を捉えても、誤った場所を繰り返し特定するモデルでは、運用上の価値は限られる。
第2のシグナルは、変電所レベルの出力から変圧器レベルのリスクへの移行だ。Microsoftは、同一地点内の設備を区別できるよう、設備特性を追加したいとしている。
その作業には、しばしば機微情報であり、公共データセットでは利用できない情報が必要になる。変圧器の構造、接地、負荷、保護設定、ネットワーク接続性は、設備が受ける電流に影響し得る。
したがって、電力会社との提携は、さらなるモデル開発と同じくらい重要になる。こうした詳細がなければ、このシステムは設備保護システムではなく、地理的なスクリーニングツールにとどまる。
第3のシグナルは、確立された予測および運用ワークフローとの統合である。研究者は、公式警報、地電場マップ、既存手順と併用した際に、出力が意思決定を改善するかを検証すべきだ。
成功するパイロットでは、イベント前に警報しきい値を定義する。利用可能な対応、承認者、不確実性が対応に与える影響を文書化することになる。
統合にはレジリエンスも必要だ。システムは、古い入力、欠測した観測値、低下した予測信頼度を報告すべきである。センサーやデータフィードに障害が生じた場合、運用者には安全な代替手段が必要となる。
予測期間の長期化は注目を集めるだろうが、それだけを進捗の尺度にすべきではない。不確実性が急速に増大したり、局地的な予測が信頼できなくなったりすれば、警告時間が長くなっても価値はほとんどない。
Microsoftは、太陽風データに含まれるより長期的なパターンを学習するため、temporal-transformer手法を提案している。また、国際的な展開を拡大し、GridSFMを通じて予測を潮流解析と結び付けることも目指している。
これらの方向性は技術的に理にかなっている。ただし、それぞれが新たな検証負担も加える。別の国では、地質、送電網モデル、規制、データ品質が異なるためだ。
現時点では、送電網に対する宇宙天気リスクの予測は、明確に示された導入上の隔たりを伴う、信頼できる研究上の進展として捉えるのが最善だ。このパイプラインは高速で、地理的に詳細であり、関連する物理シグナルに基づいている。
その最も重要な成果は、機械学習が地磁気リスクを解決したという主張ではない。広範な嵐の警報を、数秒以内に数千件の局地的推定値へ変換できることを実証した点にある。
次の嵐は、再び厳しい試験となる。予測されたホットスポットは測定電流と一致するのか、そして運用者は行動に移せるだけ早く警報を受け取るのか。これらの答えが、Microsoftのシステムが研究プロトタイプにとどまるのか、送電網防衛の一部となるのかを決定する。
