The IAEA Fusion Data Lake Project -- Accelerating AI and Big Data Applications through Open Science and FAIR Data

この論文は、IAEA が推進する「核融合データ・レイク」プロジェクトの概要と技術的アプローチを提示し、FAIR データ原則に基づく国際的なデータ基盤の構築を通じて、AI やビッグデータ応用を加速し、将来の核融合発電プラントの設計に貢献する可能性を論じています。

要約

🌊 核融合の「巨大なデータ・レイク」プロジェクト

〜世界中の科学者たちが、AI を使って未来のエネルギーを作るための「共通の図書館」を作っています〜

1. なぜ今、このプロジェクトが必要なの？

核融合（太陽と同じエネルギーを作る技術）の研究は、AI（人工知能）の登場で劇的に加速しています。AI が実験データを分析したり、新しい実験の設計図を描いたりするからです。

しかし、ここに大きな壁がありました。
**「データがバラバラで、手に入りにくい」という問題です。
イギリス、日本、アメリカ、中国など、世界中の研究所がそれぞれ実験データを持っていますが、それらは「異なる言語で書かれた手書きのノート」のような状態でした。AI が勉強するには、これらを「統一された形式で、誰でも読みやすく整理された巨大な図書館」**にする必要があります。

そこで、IAEA が「世界の橋渡し役」として、この**「核融合データ・レイク（FDL）」**というプロジェクトを立ち上げました。

2. このプロジェクトは何をするの？（3 つの役割）

このプラットフォームは、主に 3 つの役割を果たします。

1. 📚 巨大な目録（データカタログ）
   世界中のどの実験で、どんなデータがあるかを検索できる「図書館の検索システム」です。
2. 🌉 架け橋（データ連合）
   各国の研究所のデータ倉庫を、物理的に移動させずに、まるで一つの大きな倉庫にあるかのようにアクセスできるようにする「架け橋」です。
3. 📦 仮の保管庫（中央ストレージ）
   すぐに共有できないデータを一時的に預かる「待機室」のような役割も果たします。

3. 技術的な仕組み：どんな「家」を作っている？

このプロジェクトは、最新の IT 技術を使って建てられた「スマートな家」のようなものです。

• Snowflake（スノーフレーク）： データを処理する「キッチン」。
• Microsoft Azure： データを保存する「巨大な倉庫」。
• ETL（抽出・変換・読み込み）： 各国から集まったバラバラの食材（データ）を、AI が料理しやすいように洗って切る「調理プロセス」。

この仕組みのおかげで、新しいデータが追加されても、マニュアルで一つずつ直す必要がなく、自動的に整理されるようになっています。

4. 進捗状況：3 つのステップで完成へ

このプロジェクトは、3 つの段階（フェーズ）を経て完成を目指しています。

• 第 1 段階（テスト開始）：
  イギリスの「MAST」という実験装置のデータを繋げました。これで「異なる国のデータ同士を、物理的に移動させずに繋げる」ことが成功しました。
• 第 2 段階（拡大テスト）：
  日本（LHD）とアメリカ（MIT）のデータも加わり、3 つの異なる国のデータが、同じルールで繋がっていることを証明しました。
• 第 3 段階（完成へ）：
  中国（HL-2A）のデータも加わり、さらにシステムを完成させます。最終的には、誰でも（ルールを守れば）この「図書館」を使って、AI で核融合の研究ができるようにします。

5. ルールとセキュリティ：「誰でも入れる図書館」ではない

世界中のデータを共有する以上、セキュリティとルールが重要です。

• 利用規約（ToS）： データをアップロードする人は「権利がある」と宣言し、ダウンロードしたデータは「ルール通りに使う」ことが義務付けられます。
• アクセスのレベル：
  • 🟢 公開： 誰でも見られるデータ。
  • 🔵 内部： IAEA のアカウントを持つ人向け。
  • 🟡 制限付き： 特定の研究所のメンバーのみ。
  • 🔴 クローズド： 許可された個人のみ。

このように、データの性質に合わせて「鍵」のかけ方を細かく設定しています。

6. まとめ：未来への一歩

この「核融合データ・レイク」は、単なるデータベースではありません。
**「世界中の科学者が、AI という強力な助手を連れて、協力して核融合エネルギーの実現を目指すための、共通の作業場」**です。

IAEA が中心となって、国境を越えてデータを繋ぎ、AI が学びやすい環境を作ることで、人類が「無限のクリーンエネルギー」を手に入れる日が、もっと早く来ることを目指しています。

---

一言で言うと：
「バラバラだった世界の核融合データを、AI が食べやすいように調理し、世界中の科学者が共有できる『巨大な共同キッチン』を作ろうというプロジェクト」です。

技術概要

論文要約：IAEA 融合データレイクプロジェクト

～オープンサイエンスと FAIR データを通じた AI およびビッグデータ応用の加速～

1. 背景と課題 (Problem)

核融合エネルギーの開発において、AI（人工知能）やビッグデータ技術の活用が急速に進んでいます。具体的には、ニューラルネットワークを用いたサロゲートモデルやデジタルツイン、大規模言語モデル（LLM）による実験ログ分析などが、シナリオ設計、プラズマ制御、物理的洞察の向上に寄与しています。

しかし、これらの AI/ML 活動を大規模に拡張する際の最大のボトルネックは、高品質でメタデータに富んだデータセットの不足にあります。多くの機関（英国原子力庁や日本の国立核融合研究所など）がインフラ構築に努めていますが、現状ではデータが分散しており、異なる装置間でのモデル構築や、将来の核融合炉へのスケーリングが困難です。

2. 目的とアプローチ (Methodology)

国際原子力機関（IAEA）は、2022 年に発足した「AI for Fusion 協調研究プロジェクト（CRP）」の一環として、**Fusion Data Lake（FDL：融合データレイク）**プロジェクトを推進しています。このプロジェクトの目的は、IAEA の中立的な立場を活かし、世界中の核融合科学コミュニティ、産業界、学術界を結びつけ、以下の要件を満たす現代的なデータインフラを構築することです。

• FAIR データ原則の適用: 検索可能（Findable）、アクセス可能（Accessible）、相互運用可能（Interoperable）、再利用可能（Reusable）なデータ環境の整備。
• マルチマシンのデータ統合: 異なる装置からのデータを統合し、装置に依存しない（machine-agnostic）機械学習モデルの開発を可能にする。
• アクセシビリティ: 人間が使いやすいインターフェースと、分析パイプラインに組み込めるプログラム可能な API の提供。

技術アーキテクチャ

FDL プラットフォームは、IAEA のエンタープライズ技術スタックに基づき設計されています。

• 主要サービス目標:
  1. データカタログ: 世界中の装置からの実験や診断信号を検索可能な中央カタログ。
  2. データフェデレーション: 分散型リポジトリへの単一アクセスポイントを提供し、データ共有の障壁を低減。
  3. 集中型ストレージ: フェデレーションされていないデータの暫定的な保存。
• 技術スタック:
  • 計算・データベース: Snowflake（Python データパイプライン、SQL サーバー）。
  • ストレージ・CI/CD: Microsoft Azure、Azure DevOps。
  • Web アプリ開発: C#、.Net。
  • データ処理: 従来の ETL（抽出・変換・ロード）アプローチを、現代の「メダリオン構造（Medallion Architecture）」で実装。
  • メタデータ管理: 設定ファイルを用いたメタデータ駆動型の取り込みパイプラインを開発。これにより、新しいデータソースの取り込みやメンテナンスの工数を削減。
• データモデル: 「Minimal Metadata Model（最小メタデータモデル）」を策定。ITER の IMAS データ辞書との整合性を図るため、オントロジーを調整中。

3. 実証実験と結果 (Proof of Concept & Results)

プロジェクトは 3 つのフェーズで実証実験（PoC）を進めており、現在は第 II フェーズの完了、第 III フェーズの準備段階にあります。

• Phase I（フェデレーション概念の実証）:
  • 対象: 英国原子力庁（UKAEA）の MAST（Mega Ampere Spherical Tokamak）装置のショットログ。
  • 成果: UKAEA が開発した REST API を経由し、MAST データカタログと FDL を同期させることで、データを FDL インフラ経由で転送することなく、FDL ユーザーが直接 MAST データをダウンロードできる「フェデレーション」概念を実証しました。
• Phase II（スケーラビリティの実証）:
  • 対象: 日本の大型ヘリカル装置（LHD）および米国のアルカトル C-Mod（MIT PSFC）。
  • 成果: 3 つの異なる装置（MAST, LHD, Alcator C-Mod）のデータカタログを、単一の FDL データモデルに準拠させて統合しました。
    • LHD データ: IAEA の Azure Blob Storage を経由して Snowflake と同期。
    • Alcator C-Mod データ: PSFC のツール（disruption-py, MDS Plus）と IAEA のマルチクラウドプラットフォームを組み合わせて取り込み。
  • これにより、多様なデータソースと取り込みパターンに対応するプラットフォームの拡張性を証明しました。
• Phase III（予定）:
  • 中国の HL-2A（西南物理研究院）のカタログ統合、および API や Web アプリの成熟化（利用規約に準拠した早期アクセステストの準備）。

4. データガバナンス戦略 (Data Governance)

国際的な大規模データプロジェクトの成功には、データ提供者と利用者を規制するガバナンスが不可欠です。プロジェクトでは以下の暫定戦略を策定しています。

• 利用規約（Terms of Service, ToS）:
  • アップロード: 権限の宣言と適切なライセンス付け（メタデータへの埋め込みまたはリンク）。
  • ダウンロード: 各データオブジェクトのライセンスおよび ToS に準拠した利用・共有。
  • 引用: 適切なクレジットと、FDL プラットフォーム自体への引用義務。
• アクセス・プライバシーレベル:
  1. Public: ログイン不要で公開。
  2. Internal: IAEA NUCLEUS アカウント保有者（セルフサービス作成）のみアクセス可能。
  3. Restricted: データ所有者が事前承認した機関の NUCLEUS 認証ユーザー（OpenAthens 等を使用）のみアクセス可能。
  4. Closed: データ所有者が個別に承認したユーザーのみアクセス可能。

5. 貢献と意義 (Key Contributions & Significance)

• グローバルなデータ統合基盤の構築: 核融合分野において、初めて国境や機関を超えた「メタデータに富んだマルチマシンデータセット」を統合する現代的なデータプラットフォームを構築しました。
• AI/ML 研究の加速: 装置に依存しない機械学習モデルの開発を可能にし、将来の核融合炉（DEMO 等）への適用を加速させる基盤を提供します。
• 技術的・制度的な実証: 異なる技術スタック（Snowflake, Azure, MDS Plus 等）や、多様なデータ共有ポリシーを持つ機関間でのデータ連携が技術的・制度的に可能であることを実証しました。
• オープンサイエンスの推進: FAIR データ原則に基づき、透明性のあるデータライセンス管理とアクセス制御を実現し、科学コミュニティ全体でのデータ共有文化を促進します。

今後は、AI for Fusion CRP のパートナー機関および外部機関と連携し、データセットの拡充とプラットフォーム機能の強化を進め、プレリリース（早期公開版）の準備を進める予定です。