本研究は、データが不足しているドメインにおける予測精度を向上させるための三段階ベイズ転移学習フレームワーク（staged B-DANN）を提案しています。従来の転移学習手法では、ドメインのシフトが大きい場合にパラメータ転送が効果を発揮しにくく、ドメイン逆問題を扱うDANN（Domain-Adversarial Neural Networks）もトレーニングの不安定性や不確実性の定量化が難しいという課題があります。提案手法は、第一段階でソースドメインから特徴抽出器をトレーニングし、第二段階でDANNを用いて特徴を洗練させ、第三段階でベイズニューラルネットワークを構築して対象ドメインに適応させるという流れです。この方法により、条件の変化に対応しつつ信頼性のある不確実性推定が可能になります。シミュレーションベンチマークや管実験データを用いた熱流束予測タスクにより、提案手法の有効性が示され、原子力工学の他の分野への応用可能性も期待されます。