ディープラーニング ソフトウェアは、科学者が現在の気象予測モデルだけに頼るよりも正確に極端な気象パターンを予測するのに役立つ可能性があります。
天気を予測するために、スーパーコンピューターでは複雑な微分方程式を用いたシミュレーションが実行されます。この手法を用いた予報の精度は時とともに向上していますが、寒波や熱波といった極端な現象を正確に特定するのは依然として困難です。
「数値気象予報モデルの支配方程式を高解像度で解くには、より高速なスーパーコンピュータが必要になるかもしれない」と、米ライス大学機械工学部のペドラム・ハッサンザデ助教授は火曜日に語った。
「しかし、極端な気象パターンを引き起こす物理学や前兆を完全には理解していないため、方程式が完全に正確ではなく、どれだけ計算能力を投入しても、より正確な予報は得られない可能性もあります。」
AIが役に立つかもしれないのはまさにこの点です。科学者は複雑な数学の問題を解いて天気を予測する代わりに、機械学習を活用することができます。
「こうした熱波や寒波が来ると、天気図を見るとジェット気流の奇妙な動き、大きな波やまったく動かない大きな高気圧などの異常現象がしばしば見られる」とハッサンザデ氏は続けた。
「これはパターン認識の問題のように思えました。そこで私たちは、異常気象の予測を数値問題ではなく、パターン認識の問題として再構築してみることにしました。」
ハッサンザデ氏とその同僚は、2017年に提案された新しいカプセルネットワーク（CapsNet）アーキテクチャに基づくニューラルネットワークを訓練し、氷点下の寒さと猛暑を5日前に予測できるようにした。地球システムのモデリングにおける進歩に関するジャーナル誌に掲載された結果によると、このモデルの精度は80%だった。
研究者たちは、3日間にわたり、地上温度と高度5キロメートルまでの気圧分布をAIモデルに入力しました。ニューラルネットワークはこれらの値を調べることで、測定値の変化と異常気象パターンの発達との関係を学習しました。学習プロセスを経て、ニューラルネットワークはこれらの事象を最大5日先まで予測できるようになりました。
概念実証
データは、北米のさまざまな地域における極寒と猛暑の気象パターンの 5 つの分類に分割されました。
雷は二度と落ちないと言われているが、科学者たちは次にどこに落ちるかを示すAIを開発した。
続きを読む
研究者たちは、訓練用にクラスごとに750個のサンプル、テスト用にクラスごとに150個のサンプルを使用しました。初期の結果は有望でしたが、すべてのデータは研究目的で地球の気候システムをモデル化することを目的としたプロジェクトであるコミュニティ地球システムモデルから得られたシミュレーションに基づいているため、鵜呑みにすべきではありません。
「使用したコンピュータモデルは、現実の気候システムと非常に似た複雑さのデータを生成するものの、シミュレーションデータを使用しました」とハッサンザデ氏はThe Register紙に語った。「しかし、シミュレーションデータの利点は、多くのサンプルが得られるため、私たちのフレームワークの概念実証を提供できることです。」
研究者たちは、衛星や気象観測気球から得られる実際の気象データを使用する前に、より現実的なデータを用いてモデルをテストする予定です。これにより、予測期間が最大5日から10日に延長されることを期待しています。
「現在のアルゴリズムには2つの変更が必要です。1つは、土壌水分、太平洋と大西洋の海面水温、熱帯地方の情報など、より多くの変数をCapsNetに入力することです。もう1つは、地球の球形性を考慮し、経度方向の周期性と極の存在をCapsNetに組み込むことです」とハッサンザデ氏は説明した。
AIモデルは、現在の数値解析手法を完全に置き換えるべきではありません。ハッサンザデ氏は、AIモデルは追加の予測ツールとして導入されるべきだと述べ、CapsNetのようなニューラルネットワークはスーパーコンピュータによるシミュレーションよりも実行コストが安く、より詳細な数値モデルを導くための早期警告として機能する可能性があると付け加えました。®
