予測不可能なものを予測する
日々の天気予報は驚くほど正確になっていますが、致命的な熱波などの稀な極端現象を予測することは依然として困難な課題です。これらの現象は「グレイスワン」と呼ばれることもあり、発生頻度が非常に低いため、通常の気象パターンの範囲外にあります。従来のスーパーコンピュータベースのモデルはそれらをシミュレートできますが、膨大な計算リソースと時間を必要とします。一方、新しいAIベースの予測モデルは日常的な予測に優れていますが、トレーニングデータに過少に含まれる外れ値を捉えることがしばしばできません。
このギャップが、研究者に中間点を模索させてきました。シカゴ大学の科学者とフランスの共同研究者からなるチームは、両方のアプローチの強みを組み合わせたハイブリッド手法を開発しました。ジャーナルPhysical Review Lettersに掲載されたこの新しい技術は、従来のモデルよりもはるかに少ないリソースで、稀で影響の大きい気象現象の予測を改善することを約束します。
グレイスワンの課題
熱波は最も致命的な極端気象の一つです。2003年にはヨーロッパを襲った熱波で推定7万人が死亡し、2010年にはロシアで5万6千人が死亡する熱波が発生しました。最近では、2026年6月に米国のほぼ半分、約1億8千万人が危険な高温を経験しました。これらの現象は気候変動により頻度と深刻さを増しており、正確な予測がこれまで以上に重要になっています。
しかし、そのような外れ値の性質上、研究が困難です。発生が稀なため、機械学習モデルを訓練するための履歴データが限られています。大気の挙動を基本方程式からシミュレートする従来の物理学ベースのモデルは極端なシナリオを生成できますが、膨大な計算能力を必要とし、実行に数日かかることがあります。そのため、リアルタイム予測や多くの可能なシナリオの探索には実用的ではありません。
シカゴ大学の地球物理学准教授で研究の共同リーダーであるペドラム・ハッサンザデ氏は次のように説明します。「AIの気象・気候モデルは科学におけるAIの偉大な成果の一つですが、魔法ではありません。グレイスワン、つまり最も稀で極端な現象では失敗します。詳細な物理学ベースのモデルは極端な現象を捉えることができますが、法外な時間とエネルギーを必要とします。」
ハイブリッドな解決策
ハッサンザデ氏の気候極端理論・データグループと国際的な共同研究者によって開発された新しい方法は、AIと従来の物理学ベースのモデリングを統合します。このアプローチは、AIの速度を活用して幅広い可能な条件を探索し、物理学ベースのモデルを使用して稀なイベントが物理的に現実的であることを保証します。この組み合わせにより、チームは極端なイベントの確率をより正確かつ効率的に推定できます。
重要な革新は、2つのコンポーネントがどのように相互作用するかにあります。限られた極端イベントシミュレーションで訓練されたAIモデルは、候補シナリオを提案します。これらは物理学ベースのモデルを使用して検証および改良され、非現実的な結果を修正します。この反復プロセスは、AIだけでは見逃すであろう稀なイベントについても、信頼できる確率分布に収束します。
「この方法の力は、AIと従来の物理学の両方の強みを組み合わせることであり、最もシミュレートが難しく、社会的影響が大きい極端なイベントに特に効果的です」とハッサンザデ氏は述べています。
予測と気候研究への影響
ハイブリッドアプローチは、稀ではあるが壊滅的な気象イベントを予測する能力を大幅に向上させる可能性があります。例えば、100年に一度または千年に一度発生する可能性のある熱波、洪水、干ばつに備える緊急計画立案者を支援できます。より正確な確率を提供することで、この方法はインフラ設計、公衆衛生戦略、災害対応計画に情報を提供できます。
さらに、計算コストの削減により、そのような予測をより頻繁に、より長い時間軸で実行できる可能性があります。これにより、季節予報や10年規模の予報が改善され、社会が変化する気候に適応するのに役立つ可能性があります。
この研究はまた、AIと物理的理解を組み合わせることの重要性を強調しています。AIは多くの分野に革命をもたらしましたが、稀なイベントに関しては限界があります。2つをブレンドすることで、科学者は両方の長所を活用できます。
今後の展望
チームは、この方法をさらに改良し、ハリケーンや竜巻などの他のタイプの極端なイベントでテストする予定です。また、世界中の気象サービスや気候研究者がこのツールを利用できるようにすることを目指しています。
極端な気象がより一般的になるにつれて、正確な予測の必要性が高まっています。このハイブリッドアプローチは、有望な前進の道を提供し、命を救い、経済的損失を減らす可能性があります。予測不可能なものを予測する能力を向上させることで、将来の課題に備えることができます。
今のところ、この方法は極端なイベント予測の科学における重要な前進を表しています。これは、学際的なコラボレーションの力と、最先端のAIと実績のある物理原理を組み合わせる可能性の証です。
この記事はPhys.orgの報道に基づいています。元の記事を読む。
Originally published on phys.org
