英国とカナダの開発者がAIを搭載した新しいツチノコ天気を発表

英国とカナダの研究者が開発した革新的なAIモデル「Aardvark Weather」は、次のような可能性を秘めている。世界の天気予報に革命を起こす 従来のシミュレーション手法をディープラーニング技術に置き換えることで、コスト効率と精度の両方を高める。

ケンブリッジ大学、トロント大学ベクター研究所、アラン・チューリング研究所などの専門家で構成される研究チームは、その画期的な研究成果を発表した。最近のネイチャー誌のレポートである。

複雑な大気物理方程式に依存する従来のモデルとは異なり、Aardvark Weatherはディープラーニングを用いて、複数の気圧レベルにわたる風、湿度、ジオポテンシャル、気温などの主要な変数のグローバル予測を生成する。

さらに、2メートルの気温と10メートルの風速の地域別予報も作成する。

膨大なデータセットからパターンを識別するディープラーニングの能力を活用することで、Aardvark Weatherは予測の解像度と頻度を大幅に向上させ、スピードと精度の両方を高めることができる。

トロント大学ベクター研究所のジェームズ・レクイマ博士研究員は言う：

「現時点では、予測パイプラインには計算コストのかかるコンポーネントがいくつかあります。我々は、これらの時間のかかる部分の多くを、同じタスクを実行するように訓練された、はるかに軽量なモデルで置き換えることができた。

彼はこう付け加えた：

「これらの機械学習コンポーネントを連鎖させると、全体的なパフォーマンスが大幅に向上することがわかりました。私たちがターゲットとする最終タスクのためにパイプライン全体を微調整することで、各コンポーネントを単独での役割だけでなく、私たちが最も重視する結果にどのように貢献するかという観点から最適化することができるのです"

このプロジェクトは、マイクロソフト・リサーチ・ケンブリッジ、ECMWF、英国南極地域観測所とも協力し、予測パイプラインの各段階を置き換えることで、生データをより正確なデータに変換することを目的としている。正確でタイムリーな天気予報

AIを搭載したツチノコの天気

Aardvark Weatherは、気圧、気温、湿度などの生の大気データを利用して、高解像度の気象データを生成します。予想 グローバル・スケールでもローカル・スケールでも。

このシステムは、エンコーダー、プロセッサー、デコーダーの3つの神経コンポーネントを中核として動作する。

エンコーダー：構造化されていない生の観測データを、構造化された格子状の大気表現に変換する。

プロセッサー：このグリッド化されたデータを使って天気予報を作成する。

デコーダー：予測を具体的で局所的な予測に変換する。

性能を最適化し精度を高めるため、各コンポーネントはECMWFが提供する高品質な過去のデータセットであるERA5再解析データで事前に訓練される。

その後、実際の気象観測データを使って微調整を行い、モデルが現在の状況に適応し、正確な予報を提供できるようにする。

とレクイマは述べた：

「データ同化は一般的に、自己回帰的な手順で行われる。現在の大気の状態を推定する大規模な力学系によって生成された、現在の大気の予測から始める。時間ゼロでは、この初期状態がある。しかし、データ同化は、リモートセンサーからのリアルタイムの測定値も取り込む必要がある。そこで、モデルの予報と並行して実際の観測結果を収集し、それに応じて大気の推定値を調整する。

低コスト、時間短縮、効率化

についてレポート Aardvark'は、NVIDIA A100 GPUを4つ使用するだけで、わずか1秒で完全なグローバル予測を行うことができる、とAardvark'の驚くべき効率性を強調している。

これは、欧州中距離センターのような古いモデルとは対照的である。天気予報 高解像度の予報を実行するには数時間かかる。

この計算能力の大幅な低下により、従来の数値気象予測（NWP）システムのためのリソースが不足している地域や組織に、高品質でカスタマイズ可能な予報が開放される。

さらに、モデルの微調整をより迅速に行うことができる。

Aardvarkは、AI主導のツールを強化するために設計された、成長を続けるツール群の一部である。気象予測 特に異常気象への対応において。

例えば、2024年10月にアメリカ東海岸を襲ったハリケーン「ヘリーン」や「ミルトン」のような最近の暴風雨の際、AIは暴風雨の強さの予測を改善する上で非常に重要だった。

将来を見据えて、RequeimaとチームはAardvarkをオープンソース化し、この先進技術へのアクセスを拡大する計画だ。

彼はこう締めくくった：

「気象モデリングの民主化に向けた重要な一歩だと思います。それが私たちの願いです。これはまた、特にデータ駆動型の機械学習アプローチによる、エンド・ツー・エンドの気象モデリングにおける大きな進歩を意味する；