2026年10月28日、日本の九州工業大学とJAXAは共同研究において、人工知能（AI）を用いて人工衛星表面の帯電現象（※）を自動検出する手法を開発したと発表した。約19年分の観測データを解析し、発生条件の解明に成功している。
CNNでの自動検出により約3000件抽出 帯電の仕組みを解明
九州工業大学の寺本万里子准教授とJAXAの奥村哲平主任研究開発員らの研究チームは、画像認識技術である畳み込みニューラルネットワーク（CNN）を活用し、衛星データから表面帯電を自動検出するシステムを構築した。従来、膨大なデータから手作業で帯電現象を確認するには莫大な負担がかかり、長期間の分析における大きな障壁となっていた。
本手法の導入により、過去約19年分の観測データから約3,000件の帯電イベントを特定することに成功した。解析の結果、オーロラを起こす高エネルギー電子が衛星の負の帯電を強める一方、周囲の電離圏（※2）プラズマが帯電を抑えるという動的なメカニズムが実証されている。
宇宙空間で帯電が進むと局部的な電位差が拡大し、放電による太陽電池パネル等の損傷を引き起こす。今回の成果は、帯電強度の動的なバランスを定量的に捉えた点で画期的だ。
※1 帯電現象：アースできない宇宙環境で電子等が蓄積し、衛星表面が電気を帯びる現象。電位差による放電が故障の原因となる。
※2 電離圏：地球上空約60〜1,000kmに位置するプラズマ領域。低エネルギーの電子やイオンが多く存在する。
運用リスクの軽減と予測精度向上 宇宙ビジネス活性化への展望
本研究成果の大きなメリットとして、衛星運用の安全性を飛躍的に高められる可能性が挙げられる。帯電しやすい時間帯や宇宙環境を高精度に予測できるようになれば、事前に放電事故を防ぎ、機体の損傷や運用停止といった甚大な損害を未然に回避できると期待される。さらに、自動解析による作業負荷削減は、今後の広大な宇宙データ活用において有力な利点になると考えられる。
一方で、現状の課題やリスクについても留意が必要である。AIモデルの検出精度は学習データの偏りや環境変動の影響を受ける可能性があり、異なる軌道を飛ぶ衛星や極端な宇宙天気の際にも安定して機能するかは追加の検証を要する。単一の手法に過度な依存を寄せることは、運用の盲点を生む危険性を孕んでいると言えるかもしれない。
将来的な展望として、本技術は単なる故障予防にとどまらず、宇宙天気のリアルタイム予測システムや耐帯電性に優れた次世代衛星設計への応用が見込まれている。通信や気象観測をはじめとする宇宙インフラの信頼性が底上げされれば、民間主導の宇宙ビジネス全体の成長を後押しする重要な技術的基盤へとつながっていくことが見据えられている。
関連記事：
