NVIDIAのEarth-2プラットフォームを活用し、粗い気候予測データから高解像度の局所気候情報を抽出する技術が注目されている。グローバル気候モデルは大規模な気候パターンは捉えられるが、ハリケーンや熱波といった局所的な極端気象は解像度の低さにより見逃されがちだ。NVIDIAのCorrDiffモデルは、こうした課題をAIと加速計算で解決する。このモデルは、CMIP6の粗い気候予測データ（約2.8度解像度）を、ERA5再解析データ（約0.25度解像度）に近い高解像度かつバイアス補正済みのデータに変換する。空間・時間的ダウンスケーリング、バイアス補正、変数合成を一度に実行し、1つの入力から多数の可能性ある出力を生成できる。 本技術の鍵は、CanESM5の再現予測データ（2010年～2048年）を入力とし、ERA5をターゲットとして学習させること。入力には温度、湿度、風、降水、圧力層変数に加え、時刻、地理的座標、地形、海陸マスクといった追加情報も含め、合計231チャネルでモデルを訓練。学習は回帰モデルと拡散モデルの2段階で行われ、前者で平均値を予測、後者で細かい変動を補完。結果として、粗い入力では確認できなかったカリブ海のハリケーンや西太平洋の台風が、高解像度出力で再現された。 定量評価では、近地温度（T2m）の平均絶対誤差（MAE）がCMIP6の2.06KからCorrDiffの0.99Kへ改善。風速も誤差が大幅に低減。さらに、1つの入力から8つの異なる実現値を生成でき、確率的予測としての信頼性（CRPS）も高い結果を示した。将来シナリオ（SSP585）への適用でも、バイアス補正の効果が安定して維持されるが、長期予測では変動が増えるため、外挿の限界には注意が必要。 S&P Global Energyはこの技術を活用し、資産ポートフォリオレベルでの気候リスク評価に応用。多数の実現値を用いて、極端な気象によるインフラ損失や供給網の混乱を確率的に評価。これにより、企業や政策立案者が気候リスクを定量的に把握し、耐性を高めることが可能になる。 この技術は、気候変動対策の意思決定を科学的かつ実用的に支える新たな基盤となりつつある。NVIDIA Earth-2 Studioを用いた実行コードも公開されており、研究者や実務者は自らのデータで即座に試用できる。