ファイバースペックルグラムセンサ（FSS）は、その高い温度感度により環境監視において重要な役割を果たしていますが、複雑なデータが予測モデルに課題をもたらしています。本研究では、生物学的なプリオン記憶メカニズムに着想を得たプリオン-ViT（Prion-ViT）というビジョントランスフォーマー模型を提案します。プリオン-ViTは持続的な記憶状態を活用して、層間で主要な特徴を保持し伝播することで、長期依存関係のモデリングと温度予測精度の向上を目指しています。このモデルは平均絶対誤差（MAE）を0.71℃に低減し、ResNet、Inception Net V2、標準的なビジョントランスフォーマーなどのモデルを上回る性能を示しました。また、本論文では説明可能なAI（XAI）技術についても言及しており、注意マップと重要性マップを通じてスペックルグラムの重要な領域を強調することで、予測に貢献する部分の可視化を行っています。