代替ではなく共生！気象科学の未来には AI と数値予報の有機的な組み合わせが必要です
業界関係者の間では、2022 年は AI を活用した天気予報元年とみなされています。
今年以来、気象分野における AI の応用は爆発的な成長を見せており、NVIDIA DLWP や Google MetNet-2 などの一連の革新的な手法やモデルが「初」、「初」、「先駆者」として登場しています。国内外の「特に予測スキルの向上において、頻繁に結果が得られています。AI は驚くべき成果を示しています。数値予測が達成するのに数十年かかった目標を、わずか数か月で達成しました。あるいは、それ以上のものです。」
数値予報は誕生から100年の歴史があり、半世紀近くにわたって大気科学の急速な発展を促進し、現代の天気予報の主流モデルであることを知っておいてください。一部のシナリオでは、数値予測の精度が AI によって上回られるため、業界関係者の間で考えや疑問を引き起こさずにはいられません。何百年にもわたって証明されてきたこの古典的な手法は、AI に追いつくか、追い越されるか、あるいは完全に置き換えられるのでしょうか?
この点に関して、中国気象局上海台風研究所副所長の黄偉氏は次のように考えている。AI 天気予報と従来の数値予報を有機的に組み合わせるのが、予測技術のブレークスルーを達成する最も効果的な方法です。」
実際、数値予測と AI の間には自然な連携関係があり、数値予測は物理理論と数学理論を通じて解釈可能な予測結果を提供できます。この 2 つの補完性が鍵となります。将来の天気予報クリティカルパスの開発へ。
数値予報と代表的な最先端の人工知能手法の過去と現在を整理することで、両者の複雑な関係と潜在的な可能性を読者が理解できるように努めます。
理論から実践まで、数値予測の探求の 1 世紀
実際、数値予測が登場する前は、当時の天気予報は天気図に基づく外挿予報が主流でした。
基本地図に都市、測定局、主要な河川、湖、山、その他の地理的マーカーの位置を記入し、世界中の気象要素をこの地図上に同時に描画して天気図を作成します。天気図を分析し、短期間における気象の進化の連続性の原理に基づいて、現在の気象傾向を一定期間延長した予測結果を得ることができます。
天気図に基づく外挿予報は大気内の動きや変化を反映できず、予報レベルは大きく制限されます。より正確な天気予報を得るために、気象学者は数理物理学の手法を導入して気象進化の物理法則を研究しようとしています。定量的な記述に基づいた予測技術が開発され、それが後に数値天気予報となりました。
電子コンピュータの助けを借りて、数値予測が大きく台頭しました
大気の移動軌跡は流体力学の基本理論に従います。ノルウェーの気象学者ピエクニスは、「大気の将来の状態は、原則として、大気の初期状態、大気の運動方程式、質量保存方程式、状態方程式、熱力学方程式などによって決まる」と考えており、したがって人々はこれらを組み合わせようとします。影響要因 大気の運動の状態を反映する方程式系を形成し、気象観測ネットワークによって提供される大気のリアルタイム気象要素を方程式系への入力として使用し、方程式の変数値を時間の経過とともに解きます。 、そして大気の将来の状態を取得します——これが数値天気予報の基本的な考え方です。
1916 年から 1919 年にかけて、イギリスのリチャードソン博士が数値予測の最初の実際の計算を実施しましたが、この実験は無残に失敗しました。その後、彼はこう結論づけた。」この種の予測には多くの計算が必要です。手作業の計算機を使ったとしても、天気が到来する前に天気を予測することは困難です。この試みの結果は芳しいものではありませんでしたが、数値天気予報の基本的な計算過程や手順、直面する問題点などを対外的に示し、後世に良い学びをもたらしました。
1946 年に、1 秒あたり最大 5,000 回の加算演算の計算速度を備えた世界初の電子コンピューター ENIAC が発売されました。それ以来、「コンピューターの父」として知られるフォン・ノイマンの周りには、常に世界中から優秀な気象学者が集まってきました。新しく誕生した電子コンピューターを使用して、正確な数値天気予報を行います。
1950 年、アメリカの科学者チャーニー、フェイドゥオ、フォン ノイマンらは、これまでの経験に基づいて、ENIAC で 500 hPa の気象条件の 24 時間予測を初めて計算することに成功しました。これは数値天気予報の最初の成功であり、画期的なシンボルでもあります。それ以来、数値天気予報に関する研究は精力的な発展の時期を迎え、国内外の無数の科学者や機関がこの分野の発展に専念してきました。
中国気象局：独立した研究開発を堅持し、四次元変分データ同化技術を習得する
1975年ヨーロッパ中期天気予報センター (ECMWF) が設立されました。設立4年目には中期数値天気予報製品をリリースし、数値天気予報の世界でトップの地位を徐々に確立してきました。現在、ECMWF は世界で最も先進的な数値天気予報システムを備えており、34 の加盟国の国家気象局および水文機関および協力加盟国の協力を得て、新しいサービス製品の設計、予測の品質の評価および診断を行っています。加盟国の気象機関は、同センターが作成する数値天気予報製品およびサービスを毎日リアルタイムで受け取る特権を享受していると考えられており、このサービスは商業チャネルを通じて 30 か国以上の顧客にも提供されています。
ただし、中国はECMWFのメンバーではありません。
我が国の数値予測モデル開発の初期段階では、ECMWFの最先端の数値予測を導入すべきか、それとも国産の数値予測を独自に開発すべきかという選択式の質問に直面しました。直接導入することで手間が省けるが、ECMWFの予測技術の核となる4次元変分データ同化技術は他国に公開されていない。 「欧米諸国の息を詰まらせないために、中国は独自の中核技術を習得する必要がある”。中国気象局地球システム数値予測センターの世界数値気象予測システムエンジニアリング・技術チームのメンバー、孫建氏はこう語る。
※3次元変分データ同化：気温、湿度、気圧、風速などの複数の瞬間の大気状態データを数値予報モデルの演算により同時刻のものとみなして、その時点の気象状態を推定します。未来のある瞬間が得られます。
※4次元変分データ同化：3次元変分データ同化をベースに、時間次元の情報を加えて複数時刻の大気状態データを結び付け、データ間の変化関係を見出し、モデル演算により将来の気象を予測する。
国立気候センターは 1995 年に設立されました。10 年間の研究開発を経て、国立気候センターは 2005 年に NCC 気候予測モデル システムの立ち上げに成功しました。我が国の第一世代の短期気候予測電力気候モデル ビジネス システムとして、それははすぐに運用を開始し、防災・減災および気象支援サービスにおいて計り知れない役割を果たしました。
継続的な独自の革新と画期的な進歩を通じて、我が国の第二世代、第三世代の短期気候モデル予測ビジネスシステムが次々に誕生し、現代の気候ビジネスシステムに不可欠な部分となっています。気象予報技術の開発をさらに促進するために、中国気象局は数値予報革新基地と数値予報センターを設立し、4次元変分同化、モデル動的フレームワーク、衛星データ同化技術において大きな進歩を達成しました。
2021年、我が国の数値気象予測システムが再び国家科学技術進歩賞を受賞し、業界の発展における新たなマイルストーンとなった。 2024 年 1 月、中国気象局は、独自に開発した全地球同化予報システム (CMA-GFS) V4.0 が正式に運用されたと報告しました。このアップグレード後、北半球で利用可能な予測日数は 8 日を超え、全球予測の空間解像度は 25 キロメートルから 12.5 キロメートルに増加し、中国の同化技術は国際的にトップクラスの成果を達成しました。私の国は、世界的な四次元変分同化システムを独自に開発した世界で数少ない国の一つになりました。
数値予測は過去数十年で大幅に進歩しましたが、今日のスーパーコンピューターでも、衛星リモートセンシング、レーダー観測、航空機観測、船舶観測、海上ブイなどからの膨大な観測データに直面した場合、依然として数時間のシミュレーションが必要です。 3 日前の天気予報を完了できるでしょうか。コンピューティング リソースは、大量の情報を処理する際に大きな課題に直面します。
テクノロジーの波は決して止まりません。 AIの台頭により、「ビッグデータを処理するために設計された」この技術は、天気予報の計算速度の高速化、予測精度の向上、コストの削減を可能にし、広く人々に注目されています。
3つの大きな課題を解決し、精度と速度の2倍向上を実現したAI天気予報
機械学習ベースの天気予報では、過去の気象データ (観測データや分析データを含む) に基づいて予測モデルをトレーニングでき、このモデルは明示的な方程式では表現しにくいデータセット内の要因を特定して学習できるため、予測精度が向上します。
ただし、機械学習モデルがより高精度の予測に飛躍する際には、まだ多くの課題があります。主な問題は 3 つあります。反復誤差の蓄積、高解像度データのまばらさ、異常気象予測の平滑化です。近年では、学術界から産業界に至るまで、これら3つの課題にも注力し、天気予報の精度と速度の両面からAI天気予報の向上を推進しています。
Pangu-Weather は反復誤差の蓄積問題を解決します
反復エラーの蓄積を解決するという観点から、2023 年 7 月に、Huawei Cloudの研究者は、大規模な世界規模のAI天気予報モデルであるPangu-Weatherを立ち上げました。このモデルは、従来の数値予測モデルの予測精度を超える初の AI 手法であり、予測速度は 10,000 倍以上に向上し、モデルの水平空間解像度は 0.25° × 0.25° に達し、時間解像度は 1 時間に達します。 13 層の垂直高さをカバーし、きめ細かい気象特性を正確に予測し、地電位、湿度、風速、温度、海面気圧、その他の気象結果の予測を数秒で実現します。
Pangu-Weather は、AI 天気予報モデルが常に抱えていた精度不足の問題を解決します。大気現象は本質的に 3D であるため、2D ニューラル ネットワークに基づく AI 天気予報モデルには不均一な 3D 気象データの処理に一定の制限があります。 AI 主導の手法には数学的および物理的メカニズムの制約が欠けており、長期的な予測反復プロセス中に反復エラーが蓄積され続けます。
この点で、Pangu チームは地球座標系に適応した 3 次元ニューラル ネットワーク (3D Earth-Specific Transformer) を独創的に提案し、階層型時間領域集約戦略を使用して予測の反復数を削減しました。これにより、反復エラーが削減されます。この研究は、「3Dニューラルネットワークによる正確な中距離全球天気予報」というタイトルでNature誌に掲載された。
用紙のアドレス:https://www.nature.com/articles/s41586-023-06185-3
Pangu-Weather は 0.25 度の高解像度予報を達成していますが、多くの気象学者は依然として、より洗練された予報結果をもたらすために、より高解像度の天気予報を取得したいと考えています。
FengWu-GHR は高解像度データ不足の問題を解決します
高解像度データのスパースの問題の解決について、2024 年 3 月、上海人工知能研究所は、国家気象センター、国家気象情報センター、南京情報科学技術大学、香港科技大学などの機関と協力して、世界規模の高解像度AI天気予報モデルFengWu-をリリースした。 GHR。このモデルは、予測解像度を0.09°（9km*9km）まで高めた初の大規模AI気象モデルであり、10キロメートルレベルのモデリングと中期天気の予測が可能です。以前の0.25°と比較して、範囲精度は7倍以上になり、有効予測期間は10.75日から11.25日に延長されました。
この研究は「FengWu-GHR: キロメートルスケールの中範囲全球天気予報の学習」と題され、arXiv で公開されました。
紙のアドレス:https://arxiv.org/abs/2402.00059
過去の観測技術の制限により、高解像度のデータは不足しています。研究者らは、空間整合性マッピングと分離結合転移学習技術を革新的に提案しました。これは、低解像度の再解析データに関する事前トレーニング済みモデルの事前知識を学習し、それを少量の高解像度のリアルタイム実行解析データと組み合わせることで、地域的な大気活動の二次モデリングの精度が向上します。高解像度データ不足の問題を解決します。
「Pangu-Weather は、誤差蓄積問題を解決するために、各予測時点で個別のトレーニング モデルを使用しました。この方法は非常に効果的ですが、トレーニング コストが非常に高くなります。私たちは、予測プロセスの各ステップに LoRA モジュールを追加し、各ステップのトレーニングには少量のパラメータが使用され、これは予測の各ステップの新しいモデルに相当しますが、参照する必要があるパラメータの数は少数のみであり、計算コストが大幅に削減されます」と若手の Su Rui 氏は述べています。上海人工知能研究所の研究員。
「また、異常気象に関するデータも非常に少ないです。異常気象を予測する際、データドリブンのAIモデルは結果を平滑化する傾向があります。異常気象の予測精度をいかに高めるかも、今後の課題です」未来。"
オーロラ 異常気象を 5,000 倍の速さで予測
2024 年 5 月の異常気象予報を平滑化する問題を解決するために、Microsoft は、同社初の大規模大気ベース モデルである Aurora をリリースしました。このモデルは、100 万時間以上のさまざまな気象および気候シミュレーションでトレーニングされ、0.1° (赤道で約 11 キロメートル) の高い空間解像度で動作することにより、大気の動きの複雑な詳細を 1 分以内に捕捉します。日中の高解像度天気予報を実現し、計算速度は最先端の数値予報システム IFS の 5,000 倍です。
さらに驚くべきことに、このモデルは、ストームシャランなどの過酷な気象現象の急速な悪化を予測するなど、異常気象を予測する能力を向上させることができるということです。この研究は「Aurora: A Foundation Model of the Atmosphere」と題され、arXiv で公開されました。
用紙のアドレス:https://http://arxiv.org/abs/2405.13063
Aurora は、異種のゴールドスタンダード入力を処理し、さまざまな解像度と忠実度で予測を生成するように設計されています。このモデルは、柔軟な 3D Swin Transformer と Perceiver ベースのエンコーダーおよびデコーダーで構成されており、さまざまな空間レベルと圧力レベルにわたる大気変数を処理および予測できます。
大規模で多様なデータセットで事前トレーニングし、特定のタスクに合わせて微調整することで、Aurora は大気の複雑なパターンと構造を捉えることができます。異常気象など限られたトレーニング データを使用して特定のタスクに合わせて微調整した場合でも、依然として優れた予測機能を備えています。
上記の 3 つの成果に加えて、NVIDIA の FourCastNet、Google DeepMind の GraphCast、アリババの SwinVRNN、清華大学と中国気象局の NowcastNet、復旦大学の Fuxi など、多くの大規模な AI 気象モデルの出現が絶えず拡大しています。 AI天気予報の限界。
注目に値するのは、気象ビジネスの分野での人工知能の応用をさらに加速するために、2024年5月に私の国の気象庁が「人工知能気象大型モデル訓練特別データカタログ」を発表し、6つの主要なデータを公開したことです。リソース/製品 中国気象局全球大気再解析製品バージョン 1.5、中国気象局全球同化予測システム (CMA-GFS) 全球気象モデル製品バージョン 4.0、中国気象局全球海洋気象ライブ解析製品、全球熱帯低気圧データセット、全球地表積分データ収集、全球高高度積分データセットなどこの動きは、社会のあらゆる部門によるデータリソースへの便利なアクセスを促進し、特に気象分野における人工知能技術の応用における研究、開発、イノベーションをサポートおよび加速することを目的としています。
AI天気予報は技術的にも政策的にも急速に発展する黄金期にあると言え、「官・産・学・研究」から大きな注目を集めています。
AI と従来の数値予測を組み合わせることによってのみ、さらに前進することができます。
人工知能は、現在の技術的責任であり、あらゆる分野における技術の寵児として、大気科学の分野を転覆する可能性のある新たな勢力とみなされています。しかし、AI の説明可能性と信頼性はまだ不足しています。「ブラックボックス」AI モデルは、大量のデータから直接情報を取得するため、物理法則に従う必要がありません。そのため、気象学者は AI の予測の背後にある動機を理解できません。
気象力学理論に基づいた数式と偏微分方程式積分による伝統的な数値予報手法に焦点を当て、流体力学のプログラミングスキルを実装することで、AIに非常に必要な信頼性と解釈可能な予測結果を提供します。サプリメントの方法。
実際、中国の気象学者は、AI と従来の数値予報の統合に関する最先端の研究に積極的に取り組んでいます。 2024年5月、中国気象科学院災害気象国家重点研究室の研究者、徐宏雄氏のチームは、盤古気象気象AI大規模モデルと地域数値予測をうまく組み合わせた画期的な研究結果を発表した。予測モデル WRF-ARW これは、地域の数値予報を推進するために AI 気象モデルを初めて適用したもので、異常気象の重要な物理的プロセスを捉えるだけでなく、降水量 400 mm の有効予測期間を 8.5 日間に延長します。予測スキルが大幅に向上します。
この研究は「盤古気象AI主導の地域WRFモデルによる中国北部における悲惨な極端な降水量予測の改善」と題され、Environment Research Lettersに掲載された。
論文リンク:
https://iopscience.iop.org/article/10.1088/1748-9326/ad41f0
天気予報のさらなる発展に伴い、AI と従来の数値予報を組み合わせることが、ほとんどの専門家のコンセンサスになりつつあります。 AI が雲、雨、雪、ヤシの寒さや暖かさの変化を理解する上で完全に新しいリーダーになることは難しいかもしれませんが、100 年にわたって実証されてきた古典的な数値予測手法も時代に追いつく必要があります。異常気象が頻繁に発生し、正確な予測が困難な現代の状況では、それが繰り返されます。古い方法と新しい方法が相互に補完し合う場合にのみ、未知の課題に直面してより信頼性が高く効率的な複合方法を開発し、導き出すことができます。これが将来の天気を予測する最良の方法となる可能性があります。
HyperAI スーパー ニューラル ネットワークは、AI4S の最先端の成果を追跡し続けます。オープンソース プロジェクト「awesome-ai4s」には、100 を超える AI4S 論文の解釈がまとめられています。AI+ 気象学のトピックの概要は次のとおりです。
https://github.com/hyperai/awesome-ai4s
参考文献:
https://iap.cas.cn/gb/kxcb/kpwz/202004/t20200417_5551357.html
https://www.metax-tech.com/en/ndetail/12503.html
http://paper.people.com.cn/rmzk/html/2024-04/29/content_26056178.htm
https://www.eurekalert.org/news-releases/1007746