ネイチャー誌の見解：8分で15日分の世界気象を予測、ディープマインドAIが世界最先端の気象予測システムに勝つ

世界気象機関(WMO)が発表したデータによると、世界的な気温の低下が見られる。過去50年間、毎日平均1件の気象、気候、洪水関連の災害が発生し、毎日115人が死亡、2億200万ドルの経済的損失が発生している。
だからより正確な天気予報システムの構築これは、何百万人もの命を救い、何兆ドルもの経済的損失を削減することにつながる。意義深い.
しかし、伝統的な気象予測は数値気象予測アルゴリズム（NWP）に依存しており、計算量が多く、モデル構築に時間がかかるため、迅速な予測生成が困難である。機械学習に基づく気象予測（MLWP）は、効率性と単一の予測精度においていくつかのブレークスルーをもたらしたが、予測の不確実性を定量化し、複雑な空間的・時間的相関を扱うという点では、NWP統合予測システムには及ばない。
今日はグーグル・ディープマインドの研究チームが開発した人工知能（AI）モデル「GenCast」が、天気予報の精度と効率をまったく新しいレベルに引き上げた。--
GenCastは、12時間の時間ステップと0.25°の解像度で、80以上の地表変数と大気変数をカバーする確率的な15日間の全球予報を8分で生成することができ、評価指標（合計1320指標）の97.21 TP3Tにおいて、現在の世界最高の中距離予報である欧州中距離天気予報センター（ECMWF）のアンサンブル予報（ENS）を凌駕し、より優れた周辺分布と共同予報分布を持つ。欧州中距離天気予報センター（ECMWF）のアンサンブル予報（ENS）は、97.2%の評価指標（合計1320指標）において、現在世界で最も優れた中距離予報であり、より良いマージンと共同予測分布を持っている。
さらに、GenCastは、異常気象（高温、強風など）、熱帯低気圧のルート、風力発電の予測において、より効果的である。
関連研究論文は "機械学習による確率的天気予報「が権威ある科学雑誌に掲載された。 自然 上へ

GenCast:より速く、より正確な未来の天気予報

図｜天気予報を生成するGenCastの模式図。

図｜GenCastの限界予測分布は巧みで、よく較正されている。

GenCastは地域風と熱帯低気圧の予測においてENSを上回る。

GenCastは、条件拡散モデルを用いてさまざまな可能性のある気象シナリオを生成する、新しい確率論的気象予測モデルである。.GenCastの中核機能は、将来の気象状態の条件付き確率分布をモデル化すること、つまり現在と過去の気象状態に基づいて将来の予測を生成することにある。このアプローチにより、GenCastはより高速かつ高精度に、15日間のグローバルな確率的気象予報を提供することができる。
具体的にはGenCastのアーキテクチャは、エンコーダー、プロセッサー、デコーダーの3つのモジュールで構成されている。エンコーダは、初期気象状態を6回に細かく分割された球面グリッドにマッピングする。エンコーダーは初期気象状態を6回に細かく分割された球面グリッドにマッピングし、プロセッサーはグラフ変換器を介してグリッドノード間の複雑な時空間相関をキャプチャし、デコーダーはその結果をグローバルな緯度経度グリッドに再マッピングし、最終的な天気予報を生成する。

さらに、研究チームは、ERA5再解析データを使ってGenCastを訓練した。ERA5再解析データは、40年間にわたる世界的な最良の気象推計分析を含むデータセットであり、モデルの一般化能力を保証し、過去の気象パターンに対する深い理解を提供する。
GenCastの実世界での性能を評価するため、研究チームは現在の最先端システムやモデルとのベンチマークを行った。公正な比較を確実にするため、すべてのモデルは0.25°の一様な解像度を持つERA5データに基づいて初期化された。
他のシステムとの比較実験では、GenCastはより実際の観測に近い気象サンプルを生成し、予測分布は幅広い可能性のあるシナリオをカバーし、潜在的なリスクについてより包括的な理解をユーザーに提供する。例えば、台風ハイブスが日本に上陸する直前のGenCastの予測は非常に明瞭で、1-15日の予測期間中、球面調和パワースペクトルは真のERA5のグランドトゥルースに非常に近かった。
その後だ。研究チームは、異常気象予測におけるGenCastとENSの総合的な予測スキル、キャリブレーション、パフォーマンスを評価した。すなわち、限界予測性能である。限界予報は、ある時刻と場所における気象条件の具体的な予報として、毎日の気象サービスの中心にある。
GenCastは、この分野で強力な性能上の優位性を示しています。気温、風速、気圧など、実データと高い互換性を持つ変数の予測を提供するだけでなく、改良された確率論的キャリブレーションによって予測の不確実性を効果的に定量化することで、起こりうる気象シナリオをより正確に反映した予測分布を生成します。
具体的な研究では、以下のことが示されている。GenCastは複数の気象変数の限界分布予測においてENSを上回る。1320の評価目標をカバーするテストにおいて、GenCastは97.2%と高いスキルスコア（CRPS）を達成し、特に短期予測（1～5日間）で効果を発揮した。
その一方でGenCastはまた、高温や強風といった異常気象の予測にも優れている。.この研究では、Brier スキルスコアと相対経済価値（REV）曲線を用いてモデルの性能を測定した。その結果、高温（99.991 TP3T tertile）と極低温（0.011 TP3T tertile）のイベントの予測において、GenCastがENSを有意に上回った。
加えてGenCastの限界分布予測、良好なキャリブレーションを示すつまり、予報に含まれる可能性のあるエラーやバイアスを正確に特定し、より信頼性の高い気象判断サポートをユーザーに提供することができるのだ。

限界予測に加え、GenCastは共同予測においても目覚ましい性能を示しています。共同予測では、気象変数間の空間的・時間的相関に焦点を当てますが、これは地球規模の気象システムのダイナミクスを捉える上で極めて重要です。例えば、熱帯低気圧の進路予測では、熱帯低気圧の進路は単一の変数に依存するだけでなく、複数レベルの大気の相互作用を考慮する必要があります。GenCastは、このような複雑な相関関係を正確に捉え、正確な予測を行うための空間的・時間的に一貫性のある気象サンプルを生成することができます。
特に、台風ハイビスカスのケースにおけるGenCastの性能を分析している。台風の進路予測から、GenCastの不確実性評価範囲はより多くの可能なシナリオをカバーし、進路位置予測における誤差はENSのそれよりも有意に小さく、さらに重要なことに、GenCastの不確実性範囲は予測時間が短いほど収束し、意思決定者により正確な着陸時間と位置に関する情報を提供することが示された。
さらに、地域風力予測では、GenCastは10メートルの風速データを風力エネルギー出力に変換し、特に短い時間スケールで、ENSに比べて予測精度を20%向上させ、再生可能エネルギーのスケジューリングに新たな可能性を提供している。

GenCastは精度と効率において二重のブレークスルーを達成したが、まださらなる最適化の余地がある。例えば、ENSシステムの将来のアップグレードに合わせて解像度を向上させたり、蒸留によって計算コストを削減したりすることができる。さらに、運用データによる微調整や、より伝統的なNWP初期条件処理を取り入れることで、その有用性を大幅に高めることができるだろう。

AIは気候予測の未来をどう変えるのか？

AIは「異常気象予測を改善するための、より迅速で安価な代替手段」として、気象予測の分野で常に大きな期待を寄せられてきた。グーグルだけでなく、ファーウェイや清華大学などのテクノロジー企業や大学もこの方向で大きく前進している。
2023年7月ファーウェイ・クラウドが開発した「Pangu-Weather」モデルは、「Pangu-Weather」で紹介された。 自然39年分の全球再解析気象データを学習データとして使用し、その予測精度は、世界最高の数値気象予測システムであるIFSに匹敵し、同じ空間分解能ではIFSの1万倍以上である。
同時掲載 自然 このテーマに関する別の論文では ナウキャストネット物理法則とディープラーニングを組み合わせたモデルで、リアルタイムに降水量を予測する。nowcastNetは近接予測で優れた性能を発揮し、レーダー観測データに基づいて、2048 km × 2048 kmのエリアの高解像度降水量を最大3時間先まで予測できる。レーダー観測データに基づき、NowcastNetは2048 km × 2048 kmのエリアにわたる高解像度の降水量を最大3時間先まで予測できる。
2023年11月Google DeepMind、機械学習ベースの天気予報モデル「GraphCast」を発表このモデルは、今後10日間の数百の気象変数を0.25°の全球解像度で1分以内に予測することができ、従来の気象予測手法を大幅に凌駕し、極端な事象の予測においても優れた性能を発揮する。この研究論文は一流の科学雑誌に掲載された。 サイエンス 上へ
2024年3月、グーグル・リサーチの洪水予測チームは、5,680の計器から得たデータで学習させたAIモデルを開発し、未測量の流域からの毎日の流出量を7日以内に予測した。このモデルは、当時の世界的な洪水警報システムであったGloFASを、当日予測や5年に1度の異常気象の予測で上回った。関連する研究論文が一流科学雑誌に掲載されている。 自然 上へ
2024年7月グーグルリサーチチームとその共同研究者は、天気予報と気候シミュレーションモデル「NeuralGCM」を発表した。このモデルの精度は、1～15日の短期気象予測ではECMWFモデルに匹敵し、サイクロン予測や軌道シミュレーションでは既存のモデルを凌駕している。海面水温を含めることで、このモデルの40年間の気候予測は、地球温暖化傾向と非常に整合的である。NeuralGCMは、30秒の計算時間で22.8日分の大気シミュレーションを行うことができる。この研究は、一流科学雑誌 自然 上へ
近い将来、AIを活用した気象予測は、災害警報、エネルギー計画、気候適応において、より迅速かつ高い精度でより大きな役割を果たし、人類が複雑化する気候問題に対処するための、より強力なツールとなると考えられている。