物質の粒子性と波動性の概念把握図2022年04月04日 07:59

 素粒子物理学に沿った物理や化学の専門課程の基礎として、物質は粒子性と波動性を併せ持つものであると教わり、その代表例に光子や電子のスリットを通した干渉縞の実験が説明される。
 粒子は個別の実体なのに、なぜか、スクリーン上にはお互いに連絡しあっているかのような干渉縞ができる。教師はこれが、粒子性と波動性を持っている証拠だと説明する。一方、生徒は、素粒子とは謎の物体だとキツネにつままれたようになり、思考停止に陥り、日本の素粒子物理学の将来はスクリーンのようにますます暗くなる。
 そこで、直感的に素粒子の粒子性と波動性の概念把握ができる(と自画自賛で思った)図を作成してみた。(確かに自分で描いている。)

 この図で、光子又は電子を放射する素粒子源は下部にあり、そこから上方に放射される。各素粒子は大量に放射されるが、個々の粒子は波動性も併せ持っているので微妙に振動しているとみなせる。
 左右のどちらかに各素粒子は到達するが、振動しているのでスリットで回折されることになる。但し、その回折方向は、各素粒子の振動周波数が同じなので(ここが重要だが、教科書には詳しい説明がない)特定の方向にのみ回折されるようになっている。
 左右対称にスリットが配置されているので、あたかも各素粒子が連絡を取っているかのように左右対称の干渉縞ができるということになる。

白石ウーメン起源仮説(その2)2022年04月07日 10:53

以前、ど素人ながら、ある歴史に関わる説を唱えてブログに書き、周りからフェイクだといじめらたが、最近、その説は真実に近いのではないかと思うようになってきた。

それは、大した話ではないのだが、

「宮城県南部白石市の名産乾麺、白石ウーメンはイタリアのスパゲッティが起源で、支倉常長一行が伝承したものだ」

という説である。

 ある時、なぜかこれを思いついて、知人に話したら、本当の話だと信じてしまったので、慌ててそれは仮説だと補足した。その後、ネットで見た白石ウーメンの記述と、数年前にNHK BSで放送された支倉常長特集の放送内容を併せ考えると
スパゲッティ起源説はかなり真実に近いのではないかと思えてきた。

 下記サイト
http://www.u-men.co.jp/shiroishi_u-men/
によると、白石ウーメンの起源は江戸時代初期に白石に住んでいた鈴木浅右衛門という青年が、病気の親に食べやすい食事を探していたところ、
ある日、旅の僧から、油を使わない乾麺の作り方を教わり、伝え聞いた白石城主の片倉小十郎が広めたということである。

一方、NHK BSで2年ほど前に放送された支倉常長特集を見ていたところ、以下の内容で放映されてた。
「支倉常長の西欧使節団が6年後に帰国した時にはキリスト教禁制と鎖国の世の中になり、スペインで洗礼を受けた常長は現在の宮城県川崎町に蟄居、同じく部下の松尾太源は隣町の村田町に蟄居になった。松尾太源は、その後長崎に隠れキリシタンが多数いることを知り、旅の僧に身を隠し、長崎に転居した。長崎に今も松尾太源が支援した教会が現存しており、松尾の墓も残っているようだ。」

 このサイトに出てくる鈴木に乾麺の作り方を教えた「旅の僧」が松尾太源だったというのが私の推論である。当時、身を隠して旅行するのは僧に扮するのが一般的だった上、松尾が住んでいた村田町から白石までは30キロほどで、田舎道がちょうど白石付近でメインルートの奥州街道と交わるため、松尾は白石で一泊したはずである。
 また、スパゲッティも原料は水と小麦だけであり、白石ウーメンのような1㎜程度の細いスパゲッティもイタリアにはあるそうだ。

 伊達政宗と白石城主片倉小十郎は親密な間柄にあり、また、支倉常長や松尾太源を蟄居させたのは伊達政宗だが、常長一行がスペインやバチカンとの交渉のためにキリスト教に改宗しながらも、何の成果もなく帰国し、徳川幕府の世になって、蟄居させざるを得なくなったことを、政宗は心の底で申し訳なく思っていたに違いない。
 常長は数年欧州に滞在し、松尾太源もバチカンで法王と面会するなど、伊達藩と欧州との貿易交渉活動をしていたのだから、生産物の知識習得もキリスト教改宗の件も政宗の了解を得ていたはずである。しかし、出国から6年後に帰国後、幕府令に従ったとはいえ、部下を蟄居させざるを得なかったことに、政宗は後悔の念を抱いたはずである。
 そのころ、長崎への旅の途中、松尾太源が白石でイタリアで習得した乾麺の作り方を鈴木浅右衛門に教え、広めたことを後で知った政宗は、小十郎に対し、白石ウーメンを白石の名産品にすることを提案し、大消費地であった仙台にも広めた、これは政宗の小さな罪滅ぼしの行いであったーーーという仮説は作りすぎだろうか。

なお、最近親戚に聞いて知ったのだが、福島県伊達市出身の祖父が太平洋戦争の前に、仙台で製粉会社を運営していたが、仙台に出て来る前に、途中にある白石市で白石ウーメンの会社の工場長をしていたそうだ。以前、自分では思い付きだと思っていた白石ウーメン-スパゲッティ起源説は、実はDNAのなせる業だったのかもしれない。(笑)

エネルギー概念把握のための理解図2022年04月08日 10:51

エネルギーとは何か。漠然として概念がつかみにくい。
まして、ポテンシャルエネルギーは負だという。エネルギーに負というものがなぜあるのか。
これらを概念としてつかむための図を作ってみた。
まず、負のエネルギーがあるのなら、ゼロエネルギーというものがあるはずである。それをここでは空エネルギーと称してみた。
即ち、宇宙空間のみである。以下、以下のような分類が良く教科書に出てくる。

質量エネルギー
運動エネルギー
重力場ポテンシャルエネルギー
電磁場ポテンシャルエネルギー

これは、それぞれ、
宇宙に質量Mkgの物質が存在、
質量M、速度vの物質の持つエネルギー、
距離rにある2つの質量M,mの重力場が有するエネルギー、
距離rにある2つの電荷Qクーロン,-Qクーロンの電磁場が有するエネルギー、

ということである。
問題はポテンシャルエネルギーが負になる理由である。

重力によるエネルギーの場合、
距離rに逆比例する、即ち、rが無限大の時に0となるのは理解できる。重力があるのだから、物質を引き離すのに仕事(正のエネルギー)が必要となるはずである。これから、rが有限長の場合には、系が持っているエネルギー、即ち、重力場のポテンシャルエネルギーは負の値とならざるを得ないのである。

電磁場のポテンシャルエネルギーも同様に負であることが説明できる。

これらのエネルギーは全て㎏m2s-2の単位を持つ。これは、エネルギー保存則が成立することと等価である。

水素原子のエネルギー順位図では、正の電荷の原子核に対し、負の電荷をもつ電子が励起した場合のポテンシャルエネルギー順位が示される。それはいずれも負値になっており、励起レベルが高いほど、負の値が小さくなっている。逆に励起レベルが低くなるには、電磁波を発生させて、そのエネルギーが失われた分、ポテンシャルエネルギーはより負側になるということである。

宇宙全体の重力場のポテンシャルエネルギーは単純には増える一方となる。これはエネルギー保存則に反する。しかし、宇宙は膨張し続けているので、物体間の距離が延び、重力場ポテンシャルエネルギーは保存されているということなのであろう。
電磁場ポテンシャルエネルギーはどうなっているのだろうか。核変換が起こらない限りは宇宙の電荷は一定のはずだが、励起レベル変化の際の電磁波放出と吸収でバランスしているということなのであろう。

セキュリティのために電線地中化を!2022年04月09日 04:10

都市部における電線地中化は主に美観の観点から要請が出され、そのために優先順位が低いのか遅々として進まなかった。

しかし、今回のウクライナの状況を見て、考え直す必要があると思った。

爆撃を受けて地上がかなり破壊された都市でも、地下室生活をしている人々が多いのである。これは、電力網がかなり生き延びているためであろう。

日本ならば、都市部電力網は爆撃でほぼ壊滅状態になる。仮に病院などで非常用電源があっても一週間も持たないはずである。燃料を補給できないからである。

日本では、仮に戦争による爆撃破壊がなくても、大地震などで都市部の地上設備が大きく破損される可能性が強い。
欧州と日本では高電圧系統のネットワーク構成がかなり異なるので、複数の都市を含む大領域停電の場合には全体の電力維持が難しい可能性があるが、東日本大震災では東北全体が停電になることはなかった。
また、電力網と絡み合っている電話線やインターネットケーブルの地中化は携帯が普及した現在、不要であり、電力会社内部のみの調整で地中化工事が可能なはずである。欧州各都市のように、市街地の電線を道路わきに簡単に埋設すればよい。現在都市中心部で進められているような地下ケーブル専用共同溝のような建設費の掛かるものは不要である。このような提案をするとすぐに地盤の損壊による被害を理由にした反対の声が上がるだろうが、電柱の損壊によるトランス落下など現状構造物による被害のほうがはるかに大きいことは明らかであろう。
 是非、簡単な電線地下化を進めてもらいたい。
それは今回の戦争による数少ない日本への教訓として残るのではないだろうか。

チョルノービルから盗まれた133個の放射性物質とは2022年04月11日 05:44

ウクライナ政府のチョルノービル地区管理庁のサイト
https://www.facebook.com/dazv.gov.ua
のフェースブック
Офіційна сторінка Державного агентства України з управління зоною відчуження
の昨日1:20の投稿のDeepLによるロシア語翻訳は下記のとおりである。
***********************************************************
私たちは、核テロとチェルノブイリ地域に滞在するロシア人侵略者の結果について、引き続きお知らせしています。ダーウィン賞の新たな候補者たち
チョルノブイリ地帯、チョルノブイリ市街、ルドムの森の塹壕の状況についての最初の報告に加え、以下の情報を紹介する。
チョルノブイリでは2つの研究所が設立され、放射線被曝、物質の特性、放射性物質の取り扱いなど、話題性のある問題を調査し、立ち入り禁止区域でのさまざまな活動のさらなる意思決定に役立てています。
エコセンター生産組合では、RAW特性評価用の中央分析室が解体され、電離インパルス発生器の保管庫に不正侵入され、汚染された放射性核種や校正用ガスが保管されていました(写真1、2)。
占有者は、総放射能約700万ベクレルの133個の線源を盗み、破壊した。これは、ベータ・ガンマ・イメージングが存在する700kgの放射性廃棄物に相当します。この活動のほんの一部でも、専門外や制御不能な状態で扱えば、致命的となる。
現時点では、ウイルスの所在は不明です。校正廃棄物や放射性汚染流体の封じ込めレベルや安全性は確定しておらず、汚染物質の状況は適切なインベントリーや測定が行われた後に明らかにされる。
AESの安全保障問題研究所の事務所や研究室も、ロシアの略奪者たちによって略奪され、破壊された。コンピューターや事務機器は持ち去られ、実験器具や測定器も壊されたり、破壊されたりしました。
また、研究者を研究現場に運ぶための自動車が入った車庫も襲われた。
AES IPBの研究所には、「ウクリッタ」遺跡から電離イオン源と可燃性物質(!)のサンプルがあり、研究者が研究中に使用した。
⚠これらの資料の所在も不明です。
2つの仮説とそこからの結論に言及することが重要である。
放射性物質が立ち入り禁止区域に「放置」されていた場合、人員に対するリスクがあるため、放射線被ばく調査の非更新と、これらの高放射能線源を専用の保管施設に隔離することの重要性がさらに高まる。干渉が起きないことを確認し、機器が利用可能であれば、静かに動作を再開します。
着火源と炎の一部が「記念に」持ち去られた[このシナリオの可能性が高いと考えます!]。
このような行為は、オレ山で1ヶ月間酒を飲んで滞在した、あの非難されたファシストたちからさえ、最初のダーウィン賞の掌を奪ってしまうでしょう
なぜなら、そのようなお土産を2ヶ月間持ち歩くことは、体内で放射線被曝と交換疾病、無脊椎動物のプロセスを引き起こすことが保証されているからです。


www.DeepL.com/Translator(無料版)で翻訳しました。
************************************************************

この投稿及び写真によれば、盗まれた133個の放射性物質は、研究室で使われていた分析装置の校正用放射性物質サンプル溶液や校正用線源133個であり、合計700万ベクレル(約0.0002キュリー)の放射性物質が含まれていたことになる。
福島で拡散されたセシウム137の量が平均1㎞平方当たり100万ベクレルレベルであるので、放射能量としては大きくはない。
しかし、確かにこれを飲んだりすれば、体内被曝の影響は大きいだろう。通常体内に存在している放射能はカリウム40が主で、成人で4000ベクレルなので、そのサンプルがすべて吸収されれば体内に元からあったカリウム40の1750倍の放射能を摂取することになる。
ウオッカの痛飲より危険そうだ。ロシアの兵士へ、そのお土産は危険だと通知することには合理的な意味がある。

フェースブックでは、このロシア兵に対し、ダーウィン賞の新ノミネートだとコメントをしている。人類の進化で得られた兵士の体内DNAが別の進化をするのではないかという皮肉である。戦争中であるにもかかわらずユーモアを失わないウクライナ政府機関の担当者は、コメディアン出身のゼレンスキー大統領の影響を受けているのかもしれない。

今週の一枚2022年04月12日 05:45

良い子の通学路にあったこんな看板が将来に悪影響を及ぼします
(^‗^);。
クリックして右側をよく読むと分かります。

PYTHONによる多目的最適化プログラム例2022年04月17日 06:41

PYTHONはいろいろなところで使われているが、なかなか概念が理解できない。関数、オブジェクト、クラスなど抽象的な対象物がプログラム言語化されるので、用語の相対関係、引用、参照関係がプログラムリストから読み取れないのである。しかし、データ処理機能のパッケージ化が世界中で行われているので、それを利用すれば簡単に高度なデータ処理ができる。
 下記は、多目的最適化の例(目的関数2個,制約関数1個,設計変数3個)を3次元グラフ表示できるようにしたものである。
 ただし、下記コードでは、アサブロの改行ルールの影響を受け、PYTHON文の各行の頭のブランクが削除される。このため、本コードをPYTHONで流す前に、Def行およびFor行に続く行(#行又はブランク行が現れる範囲)の頭に半角ブランクを4桁入力する必要がある。(2022.5.6改良版アップ)
(なお、PYTHON及びJUPYTER NOTEBOOKのインストールはネット情報を用いている。)

#0506-一般化PYTHONN14-27ケースサーベイエクセル回帰3D棒グラフColorZ.txt
#https://sidestory.pandanote.info/6890bis.html
#日本語グラフ表示フォント利用版
from platypus import NSGAII, Problem, Real, nondominated
from matplotlib import pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
#行数無制限指定forNotebook
from IPython.core.display import display, HTML

display(HTML("<style>div.output_scroll { height: unset; }</style>"))
np.random.seed(0)

#%matplotlib inline
#3次元グラフパレート解+回転可能
#%matplotlib tk
%matplotlib notebook

# 目的関数 by 0409ケースサーベイエクセル回帰
#x1:設計変数1
#x2:設計変数2
#x3:設計変数3
def objective(vars):
x1 = vars[0]
x2 = vars[1]
x3 = vars[2]
f1 = 0.001284257*x1 -0.004223327*x2 +9.943736814*x3 -9.502343321 #設計変数1
f2 = 0.073949761*x1 -0.006730252*x2 +5.427614607*x3 -7.110353214 #設計変数2
v1 =0.000652886*x1 +0.000100475*x2 +0.340144444*x3 +0.618259667 #制約関数
return [f1, f2], [v1]

# 最適化計算を実行する関数
def optimization(n_var, n_obj, n_con, vars, n_run):
# 設計変数と目的関数の数を設定
problem = Problem(n_var, n_obj, n_con)
# 最適化計算の条件
problem.directions[0] = Problem.MINIMIZE
problem.directions[1] = Problem.MINIMIZE
problem.constraints[:] = ">=1.002"
# 設計変数と目的関数を設定
problem.types[:] = vars
problem.function = objective
# 最適化アルゴリズムを設定して計算を実行する
algorithm = NSGAII(problem)
algorithm.run(n_run)

return algorithm

# 変数を設定する
var1 = Real(0., 30.)
var2 = Real(0., 60.)
var3 = Real(1.00, 1.20)
vars = [var1, var2, var3]

# 最適化計算を実行する
algorithm = optimization(n_var=3, n_obj=2, n_con=1, vars=vars, n_run=3000)

# ここからグラフ描画
# フォントの種類とサイズを設定する。日本語用にMS Gothicを設定した。
plt.rcParams['font.size'] = 14
plt.rcParams['font.family'] = 'MS Gothic'

# グラフの入れ物を用意する。
fig1 = plt.figure(figsize=(2,2))
ax1 = fig1.add_subplot(222,projection='3d')
ax2 = fig1.add_subplot(223,projection='3d')
ax3 = fig1.add_subplot(224,projection='3d')
ax4 = fig1.add_subplot(221)
# 軸のラベルを設定する。
ax1.set_xlabel('目的関数1')
ax1.set_ylabel('目的関数2')
ax1.set_zlabel('設計変数1)
ax2.set_xlabel('目的関数1')
ax2.set_ylabel('目的関数2')
ax2.set_zlabel('設計変数2')
ax3.set_xlabel('目的関数1')
ax3.set_ylabel('目的関数2')
ax3.set_zlabel('制約関数1')
ax4.set_ylabel('目的関数1')
ax4.set_xlabel('目的関数2')

# 軸の最大値・最小値の設定
ax1.set_xlim(1.5, 0.5)
ax1.set_ylim(-1.5, 0.5)
ax1.set_zlim(0.0, 30.0)
ax2.set_xlim(1.5, 0.5)
ax2.set_ylim(-1.5, 0.5)
ax2.set_zlim(0.0, 60.0)
ax3.set_xlim(1.5, 0.5)
ax3.set_ylim(-1.5, 0.5)
ax3.set_zlim(1.0, 1.1)
plt.xlim(-1.5, 0.5)
plt.ylim(0.5, 1.5)


#
# 非劣解を抽出する
n_dominated = nondominated(algorithm.result)
# パレート解をプリントする
# パレート解をプロットする。

var1= []
obj1 = []
obj2 = []
for solution in n_dominated:
obj1.append(solution.objectives[0])
obj2.append(solution.objectives[1])
var1.append(solution.variables[0])
# print('Variables=', solution.variables[:])
# print('Objectives=', solution.objectives[:])
# print('Constraints=', solution.constraints[:])
#
ax1.bar3d(obj1, obj2, 0.0, 0.01, 0.01, var1,color='red', label='Pareto front1' )
ax1.legend([obj1,obj2],["A","B"])
# パレート解をプロットする。

var2= []
obj1 = []
obj2 = []
for solution in n_dominated:
obj1.append(solution.objectives[0])
obj2.append(solution.objectives[1])
var2.append(solution.variables[1])
#
ax2.bar3d(obj1, obj2, 0.0, 0.01, 0.01, var2, color='red', label='Pareto front2' )
ax2.legend([obj1,obj2],["C","D"])

# パレート解をプロットする。

var3= []
obj1 = []
obj2 = []
for solution in n_dominated:
obj1.append(solution.objectives[0])
obj2.append(solution.objectives[1])
var3.append(solution.variables[2]-1.0)
#
ax3.bar3d(obj1, obj2, 1.0, 0.01, 0.01, var3, color='red', label='Pareto front3' )
ax3.legend([obj1,obj2],["E","F"])


# パレート解をプロットする。(Dummy Fig. for plotting the 3rd Fig. normally)

var3= []
obj1 = []
obj2 = []
for solution in n_dominated:
obj1.append(solution.objectives[0])
obj2.append(solution.objectives[1])
var3.append(solution.variables[2])
#
# 実現可能解プロット X,Y 逆 to ax1.bar3d--ax3.bar3d
obj1 = []
obj2 = []
for solution in algorithm.result:
obj1.append(solution.objectives[0])
obj2.append(solution.objectives[1])
ax4.scatter(obj2, obj1,5.0, color='black', edgecolor='black', label='Solution')
# パレート解プロット
n_dominated = nondominated(algorithm.result) # 非劣解
obj1 = []
obj2 = []
for solution in n_dominated:
obj1.append(solution.objectives[0])
obj2.append(solution.objectives[1])
line1="Variables={0:.5f} {1:.5f} {2:.5f} Objectives={3:.5f} {4:.5f} {5:.5f}".\
format(solution.variables[0], solution.variables[1],solution.variables[2]\
,solution.objectives[0], solution.objectives[1],solution.constraints[0])
print(line1)

ax4.scatter(obj2, obj1,5.0, color='red', edgecolor='red', label='Pareto front')
ax4.legend()


#dummy ax4 for 3dplot
ax4.bar3d(obj1, obj2, 0.0, 0.01, 0.01, var3, color='black', label='Pareto front3' )
ax4.legend()#(Dummy legend. for plotting the 3rd Fig. normally)


#
# グラフを表示する。
plt.show()
plt.close()




表示した左上図で、黒丸が実行可能解、赤丸がパレートフロントとなっている。その他の3つの図は、パレート解における3つの説明変数の値を表示している。
(ただし、3次元図での各解の数値は、プリントされた数値で確認する必要がある。)

シュレディンガー方程式の概念把握2022年04月21日 16:49

量子力学ではシュレディンガー方程式がすべての基礎になっているーとよく教えられた。残念ながらのその概念はまだしっくりこない。なぜ、その方程式ありきなのか、なぜ2回微分しているのか。なぜサインコサインなのか。どこかでごまかされたような気がしてくる。

まず、最初に、二階微分方程式と波の関係を把握することが重要だと気が付いた。波とは結局、2階微分方程式の解である三角関数だと思えばよい。そして、粒子の波としての性格である存在確率をその三角関数で表しているのである。

ところで、シュレディンガー方程式を導出する際のポイントは、運動量と波長の関係が、光の波と同様に物質にも成立するというド・ブロイ波の考えを受け入れるという点にある。

光の波長λと運動量pを結びつける式
p=h/λ
が成立しているという理論の根拠は、光と電子の衝突実験であるコンプトン散乱実験において、衝突前後の運動量保存式が、このh/λを光の運動量だと定義し



さえすれば、粒子の運動量と光の運動量を統一的に説明できるということから来ている。ここで、hは波長λと光速c及び光のエネルギーEの比例関係を示すプランク定数であり、
E=hc/λ=hν (νは振動数)ーーー(1)

である。

そして、逆に、物質波の波長λとして、この光の波長と同様に定義することで、物質波をエネルギーと関係づけることができる。

シュレディンガー方程式は、物質の波動特性をエネルギーとむずびつけるための式である。光と同様にこの物質波を、運動量を通して定義することで、物質の波としての性質をそのエネルギーの関数として表すことができることを示す方程式となったのである。

物質波というものは、その物質に付随している波であるので、時間的に変化する波ではない。このような波では、物質波を時間項と空間項に分離することができる。即ち、空間項の2階微分が空間項に比例する式
δ^2Φ(x)/δx^2=kΦ(x)
の形に纏められる。kは時間項に比例する定数であり、運動量を通してエネルギーの関数となっている。上記(1)式からエネルギーは運動量の2乗に比例するので
δ^2Φ(x)/δx^2=k’/λ^2・Φ(x)
の形に変形でき、空間項、即ち粒子の位置を示す波が、物質波の波長の2乗に比例することになる。波長が大きいほど物質波の振幅が小さくなることに対応する。即ち、周波数が小さいほど、物質波の振幅が小さくなり、粒子性が顕著になるという定性的な関係が示される。
これが定常状態のシュレディンガー方程式の概念となる。




技術の継承と競争、進歩に対する考え方2022年04月22日 06:36

あるところで、その技術は、以前、私が提案したものであるとコメントしたところ、他の参加者から、今更そんなことを言っても、実現しなかったのだから恨み言にしか聞こえないとの発言があった。
確かに、今の停滞した日本では、そのような過去の経緯を後悔するような考えが主流であろう。中国や韓国などに過去の技術をまねされ、実用化され、逆に売り込まれてしまっている例も多い。
しかし、日本も、嘗ては米国や欧州の科学技術をまねし、改良を重ねて人類の進歩に寄与してきたのである。
まねされるということは、その技術がそれだけの価値があったということでもある。
技術を自社、自国内で維持できない状況であれば、積極的に公開し、開発を進められる組織、国に実用化してもらうことが重要である。
なぜなら、その実用化により、間接的に我々の生活が豊かになることを意味する。そして、最初に提唱した技術提案が無駄でなかったことの証明にもなる。
このような技術の継承は、自国の安全を最優先とする軍事技術に関しては難しいだろうが、民生技術に対しては、もっと積極的な活用があってもよいのではないだろうか。
そのためには、どんな技術でも自社、自国内で実用化し、囲い込もうとする過度の競争意識を変革することも必要だろう。

知床観光船が遭遇した気象状況2022年04月24日 05:11

地球シミュレータと同様の気象予測計算サイト

https://www.tropicaltidbits.com/analysis/models/?model=gfs&region=wpac&pkg=mslp_wind&runtime=2022042312&fh=-12

によれば、当時北海道の北に合った低気圧(989ヘクトパスカル)は急速に発達しつつあった。宇登呂を出港したときはまだ低気圧通過前で波は高くはなかったと推測されるが、知床岬にたどり着く前に、低気圧の接近による高波に遭遇してしまったようだ。知床半島北側は断崖が続く。全員の無事を祈るのみである。