オーロラ：マイクロソフトの地球の大気予測モデルへの飛躍

地球温暖化が進むにつれて、世界中のコミュニティはその壊滅的な影響に苦しんでいます。緩やかながらも着実に増加している温室効果ガスの排出は、極端な気象現象、自然災害、気候関連疾患の増加を引き起こしています。気象予測システムは、これらの課題に対する我々の第一の防衛線ですが、人間の専門家に依存する従来の方法は、追いつくのに苦労しています。2023年のストーム・シアランによる被害は、より優れた予測モデルが必要であることを明らかにしました。しかし、地球の大気は、その複雑な気象パターン、化学反応、さまざまな影響により、予測するのが難しい課題のままです。マイクロソフトは最近、これらの課題に対処するためのブレークスルーを達成しました。彼らは、オーロラと呼ばれる地球の大気のAIモデルを開発しました。これは、気象予測、空気污染物質モニタリング、その他に使用できます。この記事では、この開発について探り、オーロラ、その応用、気象予測を超えた影響について説明します。

オーロラの紹介

オーロラは、極端な気象現象から空気污染物質、短期および中期の気象予測まで、さまざまな予測課題に対処するために設計された、革新的なAIモデルです。オーロラが際立つのは、その多様な気象および気候シミュレーションの100万時間以上のトレーニングデータを使用していることです。これにより、オーロラは変化する大気プロセスを深く理解できるようになり、予測タスクで優れた成果を発揮します。

人工ニューラルネットワークモデルであるビジョントランスフォーマーを使用して構築されたオーロラは、大気変化を駆り立てる複雑な関係を理解するようにトレーニングされています。汎用モデルとして、オーロラはさまざまな種類の入力を受け取り、さまざまな出力を生成できます。パーシーバーアーキテクチャに基づくエンコーダー・デコーダーモデルを特徴とし、時間変化する入力および出力を処理するように設計されています。

オーロラのトレーニングプロセスには、2つのステップがあります。事前トレーニングとファインチューニングです。事前トレーニング中、オーロラはさまざまなレベルの詳細さを持つさまざまなデータセットから学習し、気象パターンや気圧などのさまざまな大気の側面をカバーして、そのスキルを磨きます。初期トレーニング後、オーロラは2段階のファインチューニングを経て、最初の段階では短期予測の精度を高め、2番目の段階では、低ランク適応（LoRA）と呼ばれる方法を使用して、長期予測の精度を高めます。

オーロラの主要機能

• 広範なトレーニング: オーロラの有効性は、6つの気象および気候モデルの100万時間以上の多様な気象および気候シミュレーションからのトレーニングにあります。この包括的なトレーニングにより、オーロラは大気力学をよりよく理解できるようになります。
• パフォーマンスと効率: 赤道で約11kmに相当する0.1°（約11km）の高解像度で動作するオーロラは、大気プロセスの複雑な詳細を捉え、従来の数値気象予測システムよりも正確な予測を提供し、計算コストも大幅に削減します。
• 高速: オーロラは、5日間の世界的な大気污染予測と10日間の気象予測を1分未満で生成できます。これは、従来のシミュレーションツールや最先端の専門的なディープラーニングモデルを上回るものです。
• マルチモーダル機能: オーロラは、マルチモーダルAIモデルであり、数値気象データ、衛星画像、気候シミュレーションなどのさまざまなデータタイプを受け取り、処理できます。
• 予測の多様性: このモデルは、気温、風速、大気污染物質レベル、温室効果ガスの濃度など、幅広い大気変数を予測できます。

オーロラの潜在的な応用

• 極端な気象予測: オーロラは、ハリケーン、嵐、熱波などの極端な気象現象を予測することに優れています。その高解像度機能により、これらのイベントを正確に追跡および予測できます。これにより、災害対策と対応活動に重要な時間的余裕が得られます。
• 大気污染物質モニタリング: オーロラは、5日間の世界的な大気污染予測を生成できます。特に、公衆衛生に直接影響を与える人口密度の高い地域で、窒素酸化物などの汚染物質を追跡するのに役立ちます。
• 気候変動分析: オーロラがさまざまな気候データを受け取り、処理できるため、長期的な気候傾向を研究し、気候変動がさまざまな大気現象に与える影響を評価するための貴重なツールとなります。
• 農業計画: オーロラは、詳細な気象予測を提供することで農業計画と意思決定をサポートします。農家は、植え付けのスケジュール、灌漑、収穫時期を最適化できます。予測不可能な気象変化による作物被害のリスクを軽減できます。
• エネルギー部門の最適化: オーロラの正確な気象予測は、エネルギー生産と配給の最適化に役立ちます。太陽光や風力などの再生可能エネルギー源は、正確な予測によって効率的にエネルギーを収集およびグリッド管理できます。
• 環境保護: オーロラの詳細な予測と大気污染物質追跡は、環境保護活動を支援します。政策立案者と環境機関は、汚染を削減し、気候変動の影響を軽減するための規制を実施および監視するために、オーロラのデータを利用できます。

オーロラ vs グラフキャスト

オーロラとグラフキャストは、気象予測モデルとしてそれぞれの強みと能力を持つ2つの著名なモデルです。グラフキャストは、Google (GOOGL ) DeepMindによって開発され、気象予測におけるそのスキルで高く評価されています。ERA5データセットで事前トレーニングされており、0.25度の解像度で動作し、5日間の気象予測を行うことができます。

一方、オーロラはより多様なトレーニングデータセットを備え、0.1度の解像度で動作します。これにより、オーロラは10日間の世界的な気象予測をより高い精度で生成できます。マイクロソフトの研究者は、両方のモデルを0.25度の解像度で評価した比較研究で、オーロラが91%以上のすべてのターゲットでグラフキャストを上回ったことを発見しました。

両モデル間の主な違いは、その汎用性にあります。グラフキャストは気象予測にのみ焦点を当てているのに対し、オーロラは気象予測、空気污染物質モニタリング、気候変動分析など、さまざまなタスクを実行できる基盤モデルとして機能します。この汎用性により、オーロラは大気現象の理解と予測のためのより包括的で多面的なツールとなります。

結論

オーロラは、単なる気象予測モデルではなく、地球システム全体をモデル化するための先駆的なステップです。限られたデータで優れた成果を上げる能力により、気象および気候情報へのアクセスを民主化する可能性があり、特にデータが限られている発展途上国に利益をもたらす可能性があります。オーロラは、農業、輸送、エネルギー、災害対策などの分野で大きな期待があり、気候変動の課題に対処する上でコミュニティを強化する可能性があります。技術とデータの進歩が続くにつれて、オーロラは、意思決定者と世界中の人々にとって、タイムリーで正確で実用的な洞察を提供する上で、気象および気候予測の分野で重要な役割を果たす可能性があります。