テロや犯罪などの現場から押収された核物質や放射性物質の起源等を物質自身の特徴から決定する核鑑識分析技術開発の一環として、電子顕微鏡などで観察できる形態学的特性を畳み込みニューラルネットワーク（Convolutional Neural Network: CNN）と呼ばれるモデルで解析することで高精度に核物質を識別する手法の開発を進めています。
 CNNモデルは画像を高い精度で分類することができる一方で、訓練データにない未知の物質を精度良く検出することが難しいことが知られています。これは、未知物質試料を取扱う可能性がある核鑑識分析において深刻な問題となります。そこで、顔認証の分野で研究が進められている「深層距離学習」と呼ばれるアプローチをCNNモデルの訓練に適用することで、電子顕微鏡画像解析から核物質の分類と未知の物質の識別を同時に実現する技術を実現しました（図1 a）。
 天然ウラン精鉱（Uranium Ore Concentrate: UOC）の標準物質を用いた本技術の検証により、深層距離学習で訓練したCNNモデル（深層距離学習モデル）が非常に高い精度でUOCを分類するとともに、通常の学習方法で訓練したモデルよりも高い精度で未知物質を検出できることを実証しました（図1 b）。
 本技術により、核鑑識分析において核物質を識別するための効果的な根拠の一つとして、電子顕微鏡画像を利用できるようになることが期待されます。

本研究は、文部科学省「核セキュリティ強化等推進事業費補助金」事業の一環で実施したものです。