ディープラーニングシステムは5日先までの極端な天気を正確に予測できる

ライス大学のエンジニアたちは、5日先までの極端な天気を正確に予測できるディープラーニングシステムを開発しました。このシステムは、自己学習型であり、予測を行うために現在の天気条件に関する最小限の情報のみを必要とします。

システムのトレーニングには、地表から5キロメートルの高さでの気温と気圧を示す地図のペアを数百個分析することが含まれます。これらの条件は、数日間隔で示されます。トレーニングでは、熱波や冬の嵐を引き起こすような極端な天気を生み出すシナリオも提示されます。トレーニングを終えた後、ディープラーニングシステムは、以前見たことのない地図に基づいて、85%の精度で5日先の極端な天気を予測することができました。

研究の共同著者であるペドラム・ハッサンズァーデは、「このシステムは、気象予報者にとって早期警戒システムとして利用できる可能性がある」と述べています。特定の大気条件が極端な天気を引き起こすメカニズムをより深く理解するためのツールとなり得ます。

1950年代にコンピューターによる数値予報が発明されて以来、日々の天気予報は改善されてきました。しかし、熱波などの極端な天気については、数値予報では信頼できる予測ができません。

ハッサンズァーデは、「より高速なスーパーコンピューターで数値予報モデルを高解像度で解く必要があるかもしれません。しかし、極端な天気を引き起こすパターンの前触れや物理的なメカニズムを十分に理解していないため、方程式が完全に正確ではない可能性があります。どれほどの計算能力を投入しても、予測の精度は向上しない可能性があります」と述べています。

2017年、ハッサンズァーデは研究の共同著者であるアシェシュ・チャットパディヤイとエブラヒム・ナビザーデと共同で研究を開始しました。

「熱波や寒波が発生すると、気象図を見るとジェット気流に異常な波動や、ほとんど動かない大きな高気圧システムがあることが多いです。これはパターン認識の問題のように思えます。したがって、極端な天気予報を数値問題ではなくパターン認識問題として再定式化しようとしました」とハッサンズァーデは述べています。

「私たちは、地表から5キロメートルの高さでの気圧パターンを大量に示し、各パターンについて『これは極端な天気を引き起こしません』『これはカリフォルニアで熱波を引き起こします』『これは何も引き起こしません』『これは北東部で寒波を引き起こします』と教えました。特定の場所についてではなく、むしろ地域的な感覚でした」とハッサンズァーデは続けています。

コンピューターが登場する前の天気予報では、アナログ予報が使用されていました。これは、人間が気象図のパターンを分析して予測を行う方法でした。

「コンピューターが登場する前の予報方法では、気象図のパターンを分析し、過去のパターンと比較して類似したパターンを見つけ、予測を行っていました。如果そのパターンが3日後にフランスで雨をもたらした場合、予報者はフランスで雨が降ることを予測しました」とハッサンズァーデは述べています。

現在、ニューラルネットワークは人間の介入を必要とせずに自己学習が可能です。

「極端な天気を引き起こす前触れを完全に理解していないとしても、ニューラルネットワークはそれらのパターンを自己学習で発見することができました。極端な天気を引き起こすパターンを学習し、最も適切なアナログを見つけるためにそれらを使用しました」とハッサンズァーデは述べています。

システムの概念をテストするために、チームは現実的なコンピューターシミュレーションデータを使用しました。初期の結果は畳み込みニューラルネットワークで報告されましたが、チームは後にカプセルニューラルネットワークに移行しました。畳み込みニューラルネットワークは相対的な空間関係を認識できないのに対し、カプセルニューラルネットワークは相対的な空間関係を認識できます。これらの相対的な空間関係は、天気パターンの進化において重要です。

「気象図上での高気圧と低気圧の相対的な位置は、天気がどのように進化するかを決定する上で重要な要素です」とハッサンズァーデは述べています。

カプセルニューラルネットワークは、畳み込みニューラルネットワークよりも少ないトレーニングデータで学習できます。

チームは、システムを実用的な予報に使用できるようにするためにさらに作業を続ける予定です。ハッサンズァーデは、最終的には極端な天気の予測の精度を向上させることができると希望しています。

「数値予報を完全に置き換えるものではありません。しかし、数値予報のガイドとして役立つ可能性があります。計算コストが非常に低く、早期警戒システムとして利用できる可能性があります。数値予報のリソースを、極端な天気が発生しそうな場所に特に集中させることができます」とハッサンズァーデは述べています。

「説明可能なAI（人工知能）のアイデアを利用して、ニューラルネットワークが何をしているかを解釈したいと思います。これにより、極端な天気を引き起こすパターンの前触れを特定し、その物理的なメカニズムをより深く理解することができます」とハッサンズァーデは述べています。