DeepMind と Google Research が協力して、複数の技術ルートを通じて AI 天気予報用の「六角戦士」を作成

12月10日、ネイチャー誌は2024年のトップ10の数字を発表した。金の内容はノーベル賞ほど目を引くものではないが、100年以上発行されているこのトップ学術誌は、トップ10の数字と言えるだろう。科学の進歩の証人であるため、これらのトップ 10 の数字は、ある程度、今年の重要な科学的出来事を表しています。選ばれたリストの中から、Google DeepMindの研究者であるレミ・ラム氏もリストに名を連ねている。

そのレポートで紹介された自然、ラム氏は、機械学習を使用して天気予報を改善する先駆者です。この分野はここ数年で飛躍的に成長しており、ラム氏と彼のチームは最前線に立っている。 Microsoft、NVIDIA、Huawei、欧州中期天気予報センター (ECMWF) などの企業/機関はすべて、AI 支援天気予報システムの開発を競っています。 「しかし、今年のほとんどの期間において、精度のリーダーはラム氏が率いる GraphCast と呼ばれるプロジェクトでした。」

リストが発表される直前に、ラム氏のチームが新しい天気予報モデル GenCast を提案し、最高値を更新したことは注目に値します。15 日間の世界的な予測のランダムなセットを 8 分で生成できます。80 を超える地表および大気の変数をカバーします。

読者の中には、なぜ DeepMind や Google が、AlphaFold の天気予報開発ルート、つまり「驚異的な」製品を作成するために同じモデルを反復し続けることを選択しなかったのかと疑問に思う人もいるかもしれません。この点は、短期、中期、長期の天気予報では適用できるシナリオや精度の要件が異なるため、一貫して適用することが難しいのではないかと著者は大胆に推測しています。それは、天気予報の分野で現在直面している技術的なルートの探索にも関係しています。AI が世界を支配するのでしょうか、それとも従来の数値予報と AI 予測が共存するのでしょうか。

短期・中期・長期の予測を考慮し、従来手法とAIを融合

短期的な予測、通常、今後 1 ～ 3 日間の気象状況を指し、気温、降水量、風速、風向などの比較的詳細な気象変化情報を提供します。主に人々の日常生活への指針を提供し、災害が発生した場合のタイムリーな予防策を提供します。大雨やその他の状況。中期予想、今後 3 ～ 10 日間の天気予報を指し、傾向予測の範囲が広く、主に農業計画、貯水池の派遣、洪水/干ばつ警報、物流サプライチェーン計画に使用されます。長期的な予測、これは、10 日以上先の天気予報を指し、変化する傾向と気候パターンを提供します。これは、インフラストラクチャなどの大規模プロジェクトの計画や、公衆衛生部門が災害による医療リソースの圧迫を防ぐために使用できます。寒波や高温などの異常気象が事前に予想されます。

技術レベルを重視し、短期予測には、より高い時間分解能と、深層学習に基づく時系列モデルなどの洗練されたモデルが必要であり、中期予測には、より長い時間スケールにわたる大気と海洋の動的プロセスを考慮する必要があります。高解像度の数値シミュレーションではなく、パターン認識と統計に基づいています。

一般に、単一のモデルで短期、中期、長期の予測の複雑さに同時に対応することは困難です。例えば、短期の天気予報には高い解像度が必要で、長期の天気予報には広範囲の天気予報が必要で、短期の天気予報は精度が高く、長期の天気予報は誤差が大きい...さまざまな違いにより、モデルは異なるタスク間でトレードオフする必要があり、モデルの最適化がより困難になります。

したがって、現在の研究結果のほとんどは、単一のタスクでの高精度と短時間の消費を目指して、そのような戦略を採用しました。

2023 年に、Lam が担当する GraphCast が登場しました。これは、DeepMind が提案した、中期天気予報用のグラフ ニューラル ネットワークに基づく自己回帰モデルで、再解析データから直接学習し、世界の未来を解像度で予測できます。 1 分間で 0.25° の変化。10 日間の数百の気象変数。 1,380 の検証済みターゲットのうち、GraphCast は、90% ターゲットで最も正確な決定論的ビジネス システムを大幅に上回っています。

予測速度の点では、10 日間の天気予報を 60 秒で完了するには、Google TPU v4 1 つだけが必要です。

6 時間前の天気と現在の天気を入力するだけで、GraphCast が今後 6 時間の天気を予測します。このプロセスは 6 時間単位でロールフォワードでき、最大 10 日前までの最新の予測を提供します。

2024 年、Google Research は、この長期天気予報ツールの命名である NeuralGCM をリリースしました。これは研究チームの技術的な選択を示しています。言うまでもなく、Neural はニューラル ネットワークであり、GCM の正式名は大循環モデルです。モデルは物理ベースの気象シミュレーターです。その名の通り、NeuralGCM は、大気力学の微分可能ソルバーと機械学習を組み合わせます。伝統的な物理学手法と AI の組み合わせは、まさに現在の気象予測研究分野における一般的な傾向です。

AI が気象研究に革命を起こす前、数値予報は、物理原理と気象理論に基づいて、大気の動きの変化を記述する流体力学および熱力学方程式を解くことによって予測されていました。大気の状態。機械学習などのテクノロジーが台頭してから、業界では「AI は数値予測を完全に置き換えるのか?」という議論も不足しています。

現在では、この 2 つを組み合わせて適用することが最良の解決策である可能性があるようです。 NeuralGCM を例に挙げると、大規模な物理プロセスをシミュレートするために従来のコンピューティングに依存しながら、AI テクノロジーは小規模な現象 (雲の形成や地域的な微気候など) を処理し、小規模に蓄積されたエラーを修正することもできます。

これに基づいて、NeuralGCM は 1 ～ 15 日間の天気予報から最大 10 年間の気候予測まで、さまざまな時間スケールで同種の最高のモデルに匹敵するパフォーマンスの飛躍的な進歩を達成しました。

具体的には、その決定論的モデル NeuralCGM-0.7° (解像度 0.7°) は、1 ～ 15 日間の天気予報の精度の点で純粋な機械学習モデルを上回っており、欧州中期天気予報センターと一致しています。天気予報 (ECMWF) も同様に好調でした。同時に、長期気候予測の観点からは、NeuralGCM の 40 年気候予測シミュレーション結果は、ECMWF データが示す地球温暖化傾向と一致しています。

複数の矢を同時に発射する DeepMind の新しい結果は、天気予報の状況を補完します

DeepMindは12月4日、「機械学習による確率的天気予報」と題する研究論文をNature誌に発表した。新しい機械学習天気予報手法GenCastを提案する。Rémi Lam は責任著者の 1 人です。この方法により、天気予報の分野で Google にとってパズルのピースが 1 つ追加され、技術的なルートと予測精度の点でより完全なものになります。
用紙のアドレス:
https://www.nature.com/articles/s41586-024-08252-9

テクニカルルートでは、どちらも機械学習手法ですが、GenCast はグラフ ニューラル ネットワークに基づいている点で GraphCast とは異なりますが、拡散モデルに基づいて実装され、Transformer に基づいてノイズ除去プロセスを完了します。同時に、予測精度の点では、GenCast は NeuralGCM と比較して空間解像度が大幅に向上しており、小規模な気象現象をより明確に記述することができます。

具体的には、GenCast は数十年にわたる再分析データに基づいてトレーニングされており、一連のランダム性を含む 15 日間の世界的な天気予報を 8 分で生成できます。これは 0.25° (緯度経度) の空間解像度で 12 時間ごとに出力され、80 を超える地表および大気の変数をカバーします。研究者らは 1,320 の予測ターゲットを評価し、その結果、97.2% のターゲットでは GenCast が ENS (アンサンブル数値気象予測システム) よりも優れたパフォーマンスを発揮し、特に異常気象、熱帯低気圧の進路予測、風力発電予測において優れていることがわかりました。

要約すると、天気予報のテーマに関して、DeepMind と Google Research は協力して、より包括的なカバレッジを達成すると同時に、決定的な短期および中期の天気予報や純粋な長期の気候予測などの技術的ルートを模索してきました。性能に優れた機械学習手法と、数値予測とAIを融合した「ヘキサゴンウォリアー」。

100 の学派が争い、問題点に基づいて天気予報モデルを構築

確かに、天気予報の分野では Google だけが取り組んでいるわけではありません。Huawei、Microsoft、NVIDIA などは、Google ほど「幅広く」存在しているわけではありませんが、それぞれに独自の利点を持っています。

例えば、ファーウェイの大規模な盤古天気予報モデルは、予測精度が従来の数値予報モデルを超える初のAI手法であり、予測速度を1万倍以上高めることができる。 AI天気予報の精度不足の問題を解決するため、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)を提案し、階層的な時間領域の集計戦略を使用して予測の反復回数を減らし、それによって反復エラーを削減します。

そしてマイクロソフト初の大型大気基本モデルAurora、0.1°の高い空間分解能で動作し、大気の動きの複雑な詳細を捉えることができます。10 日間の高解像度の天気予報を 1 分以内に正確に取得できます。

NVIDIA は、気候科学者のすべての結果を統合し、世界中の科学者が共有できる、フルスタックのオープン気候デジタル ツイン クラウド プラットフォーム EARTH-2 を開拓しました。

学会の功績は枚挙にいとまがありません。FengWu-GHR は、予報解像度を 0.09°まで向上させた初の大規模 AI 気象モデルです。亜季節の気候予測などに使える「Fuxi」

現在の天気予報研究が、百派閥の考え方が争う活況を呈しており、空間分解能を向上させ、短期および中期の決定論的予報と気候予報を可能な限り包括的に満たすために、複数の技術的ルートが並行して実行されていることに疑いの余地はありません。将来的には、AI テクノロジーが継続的に繰り返されるため、世界を支配する主流テクノロジーが出現するかどうかはまだ不透明ですが、短期的には AI と従来の数値予測の組み合わせが依然として優れたソリューションとなります。これに基づいて空間解像度を突破するにはまだ検討が必要ですか?

参考文献:
1.https://www.nature.com/articles/d41586-024-03898-x
2.https://mp.weixin.qq.com/s/boOoF782fm1s65hCQ-smpg
3.https://mp.weixin.qq.com/s/0krO