生成AIによる天気予報の不確実性定量化

投稿者: Lizao (Larry) Li, ソフトウェアエンジニア、および Rob Carver, リサーチサイエンティスト, Google Research

正確な天気予報は、一日の活動に何を持っていくかといった日常的な決断を助けることから、危険な気象条件に直面した際の人々の保護など緊急の行動に情報を提供することまで、人々の生活に直接的な影響を与える可能性があります。気候が変化するにつれ、正確でタイムリーな天気予報の重要性はさらに高まるでしょう。このことを認識し、私たちGoogleは、明日の予報技術が信頼できる気象情報への需要に応えられるよう支援するため、気象・気候研究に投資を続けてきました。最近の私たちのイノベーションには、Googleの高解像度で最大24時間先までの予報を行う MetNet-3 や、最大10日先までの天気を予測できる気象モデル GraphCast が含まれます。

天気は本質的に確率的なものです。この不確実性を定量化するために、従来の手法は物理ベースのシミュレーションに依存してアンサンブル予報を生成してきました。しかし、稀で極端な気象現象を正確に識別し特徴づけるためには大規模なアンサンブルを生成する必要があり、それは計算コストが非常に高くなります。

この点を踏まえ、天気予報の進歩を加速させるために設計された私たちの最新のイノベーション、 Scalable Ensemble Envelope Diffusion Sampler (SEEDS) を発表できることを嬉しく思います。これは最近 Science Advances 誌に掲載されました。SEEDSは生成AIモデルであり、従来の物理ベースの予報モデルのほんの一部のコストで、天気予報のアンサンブルを 大規模に 効率的に生成することができます。この技術は気象・気候科学に新たな可能性を開くものであり、メディア生成の最近の進歩の背景にある生成AI技術である確率的拡散モデルを、気象・気候予報に応用した最初期の事例の一つを代表するものです。

確率予報の必要性: バタフライ効果

1972年12月、ワシントンD.C.で開催された 米国科学振興協会 の会議で、MITの気象学教授 エド・ローレンツ は、「ブラジルでの蝶の羽ばたきはテキサスで竜巻を引き起こすか？」というタイトルの講演を行い、これは「 バタフライ効果 」という用語の定着に貢献しました。彼は、1963年の自身の先駆的で画期的な論文を発展させたものであり、その論文では「超長期天気予報」の実現可能性を検討し、数値天気予報モデルで時間積分する際に初期条件の誤差が指数関数的に増大する仕組みを説明していました。この指数関数的な誤差増大、すなわちカオスは、決定論的な予測可能性の限界をもたらし、個々の予報は天候の本質的な不確実性を定量化しないため、意思決定におけるそれらの使用を制限します。これは、ハリケーン、熱波、洪水などの極端な気象現象を予報する際に特に問題となります。

決定論的予報の限界を認識し、世界中の気象機関は 確率予報 を発表しています。このような予報は、決定論的予報のアンサンブルに基づいており、各予報は初期条件に人為的なノイズを含め、物理過程に確率性を含めることで生成されます。気象モデルにおける誤差の急速な増大率を利用して、アンサンブル内の予報は意図的に異なるものになります：初期の不確実性は、可能な限り異なる実行が生成されるように調整され、気象モデル内の確率的過程はモデル実行中にさらなる差異を導入します。誤差の増大は、アンサンブル内のすべての予報を平均することで緩和され、予報アンサンブルのばらつきが天候の不確実性を定量化します。

効果的ではあるものの、これらの確率予報を生成するには計算コストがかかります。非常に複雑な数値気象モデルを大規模なスーパーコンピュータで複数回実行する必要があります。その結果、多くの運用気象予報センターは、限られた数のアンサンブルメンバー（通常は10〜50程度）しか生成できません。

生成AIによる天気予報の不確実性定量化

背景や根拠まで確認しますか？

関連記事

調べる

選ぶ

サイト