2011年日本福岛第一核电站发生核泄露之后，风和水流将放射性碎片扩散至四面八方，使这些碎片处于暴露的危险范围内。然而，现有的大气建模工具被认为是非常不可靠的，这使得灾难响应小组很难优先考虑疏散哪些人群。幸运的是，东京大学工业科学研究所的一项新研究表明，通过机器学习，可以准确地预测放射性物质的扩散情况。 

　　由吉谦高雄（Takao Yoshikane）领导的研究小组对多年的天气模式数据进行了神经网络训练，来预测放射性物质可能的扩散路径。令人印象深刻的是，该模型预测扩散的准确率能达到至少85%，并且当研究小组调整冬季天气模式的参数时准确率高达95%。 

　　来源：Venturebeat