降水プロセスの高精度シミュレーションを目指した機械学習モデルの比較研究が学術誌に掲載され、気候・天気予報モデルの効率化に寄与する手法が確認された。研究チームは、雨雲内の水滴が衝突・合体する過程を機械学習で実装。大規模シミュレーションとスーパードロップレット法により生成した粒子分布データを用い、SINDy、NN駆動時間微分モデル、離散時間自己回帰NNの三手法を比較した。 結果、最も単純なSINDyフレームワークが不確実性の低減と未知データへの一般化において最良の性能を示し、モデルの複雑化が性能向上に直結しないことを実証した。オートエンコーダ訓練では、平均粒径の推移や雲粒子・雨滴の二峰性分布を適切に再現したが、ノイズや鋭いピークの復元には課題が残った。 研究者らは実用化に向けて、凝縮や蒸発などの大気物理プロセスの組み込み、オンライン検証、観測データとの統合による微調整が不可欠だと指摘する。今後は計算効率と物理的解釈性を両立する手法が気象予測システムに採用され、極端気象の解析精度向上が期待されている。