主要成果
MITの研究チームは、2週間から6週間という「サブシーズン（亜季節）」期間の気象予測精度を倍増させる機械学習アプローチを開発しました。このモデルは、世界的に最高水準とされる欧州中期予報センター（ECMWF）のモデルを用いた国際競技会で勝利しており、単に気候学的平均に匹敵するだけでなく、それを明確に上回る性能を示しました。具体的には、デバイアス（偏り除去）後の動的モデルにおいて、気圧で91%、温度で92%、降水量で98%のターゲットで精度が向上しています。
技術・詳細
本手法の最大の特徴は、既存の物理ベースの動的モデルを完全に置き換えるのではなく、その外側にAIによる「ラッパー（後処理層）」を構築し、モデルが過去に犯した系統的な誤差を学習して修正する点にあります。これは、予測値を単に平均値に近づける一般的なバイアス補正とは異なり、洪水や寒波などの極端な気象イベントの予測を適応的に改善できる手法です。
開発にあたっては、MITのスーパーコンピューティングクラスター「MIT Engaging」が使用されましたが、最終的なシステムを運用する際にスーパーコンピューターは必要ありません。この「確率的バイアス補正」と呼ばれる手法により、物理モデルの弱点である累積誤差やモデル固有のバイアス、大気のカオス的な性質による精度低下を抑制しています。
背景・業界の文脈
気象学の世界では、エドワード・ローレンツ教授が提唱したカオス理論に基づき、2週間以上の先を予測することは不可能であるという考えが長らく主流でした。この期間は「予測可能性の砂漠」と呼ばれ、大気のノイズが信号をかき消すため、予測は「サイコロを振るようなもの」と見なされてきました。現状、短期的にはAIモデルが、長期的には海洋と大気をモデル化する動的モデルが優れていますが、2〜6週間のサブシーズン予測は依然として極めて困難な領域でした。
今後の展望
この技術的突破は、社会インフラや産業に大きな影響を与えます。エネルギー企業は氷嵐や熱波などの極端な気象イベントを早期に察知して電力網の安定性を確保でき、農家は降雨や干ばつの予測に基づいた種まき、施肥、収穫のスケジューリングにより収穫量を最大化できます。また、緊急管理者は洪水やハリケーンの襲来前にリソースを動員し、人命と財産を保護することが可能です。すでにケニアの気象局が、モンスーン雨の予測精度向上と作物収量増加のために本モデルの導入に関心を示しています。
元記事: https://www.techexplorist.com/ai-breakthrough-weather-forecasts-accurate-six-weeks/105782/
毎週の技術動向レポートを無料でお届け
各分野の分析レポートを読む価値があるかどうか一目で判断できるインフォグラフィックをメールで受け取れます。
📢 メールマガジンに無料登録（週刊・技術動向レポート）
ご登録いただくと、Troy-Technical から週刊で技術動向レポート（メールマガジン）をお届けします。
- 取得したメールアドレス・選択分野は配信目的にのみ使用します。
- 第三者へ提供することはありません。
- 配信はいつでも解除できます（各メール下部のリンクから）。
詳しくはプライバシーポリシーをご覧ください。
登録は1分・いつでも解除できます
