人工知能
ディープラーニングシステムは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、自分で学習し、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の一部には、地表温度と5キロメートル上空の空気圧を示す数百の地図のペアを調べることが含まれます。これらの条件は、数日間隔で表示されます。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。トレーニングを完了した後、ディープラーニングシステムは、以前見たことがない地図に基づいて極端な天気の5日間の予測を行い、85%の精度率で予測しました。
研究の共著者であるペドラム・ハッサンザーデは、アメリカ地球物理学連合の地球システムモデリングの進歩ジャーナルにオンラインで公開されたこの研究によると、このシステムはツールとして使用でき、気象予報者にとって早期警戒システムとして機能できます。特定の大気条件が極端な天気シナリオを引き起こす方法について学ぶのに特に役立ちます。
1950年代にコンピューターベースの数値気象予報（NWP）が発明されたため、日々の天気予報は改善され続けてきました。しかし、NWPは熱波などの極端な天気イベントについて信頼性の高い予測を行うことができません。
「もしかしたら、より高速なスーパーコンピューターが必要かもしれない。数値気象予報モデルの支配方程式をより高い解像度で解くために」とハッサンザーデは述べました。ライス大学の機械工学と地球、環境、惑星科学の助教授です。「しかし、極端な天気パターンの物理学と前駆条件を完全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、どれだけの計算能力を投入してもより良い予測は生み出せないかもしれません。」
2017年、ハッサンザーデは研究の共著者であり、大学院生であるアシェシュ・チャットパディヤイとエブラヒム・ナビザーデと一緒に別の道を歩み始めました。
「熱波や寒波が発生するとき、天気図を見ると、ジェット気流に異常な動きや、動かない大きな高気圧システムが見られることが多い」とハッサンザーデは述べました。「これはパターン認識の問題のように思えたので、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決めました。」
「私たちは、地表から5キロメートル上空の圧力パターンをたくさん見せることでモデルをトレーニングし、各パターンに対して『これは極端な天気を引き起こさなかった。これはカリフォルニアで熱波を引き起こした。これは何も引き起こさなかった。これは北東部で寒波を引き起こした』と伝えました」とハッサンザーデは続けました。「ヒューストンとダラスの違いではなく、むしろ地域的な範囲の感覚でした。」
コンピューターが存在する前に、アナログ予報が天気予報に使用されていました。これは、新しいシステムと非常に似た方法で行われていましたが、コンピューターではなく人間が行っていました。
「コンピューターが存在する前に予報を行う方法の1つは、今日の圧力システムパターンを見て、以前のパターンのカタログに移動して比較し、類似のパターンを見つけることです」とハッサンザーデは述べました。「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、予報はフランスでの雨になります。」
現在、ニューラルネットワークは独自に学習し、人間が接続を見つける必要はありません。
「前駆条件を完全に理解していないことが問題にならなかったのは、ニューラルネットワークがそれらの接続を見つけることを学習したからです」とハッサンザーデは述べました。「極端な天気に重要なパターンを学習し、それらを使用して最も類似したパターンを見つけました。」
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から得られたデータに頼りました。彼らは最初に畳み込みニューラルネットワークに関する初期の結果を報告しましたが、その後、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認識できます。天気パターンの進化において、これらの相対的な空間関係は重要です。
「天気図上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」とハッサンザーデは述べました。
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を必要とします。
チームは、システムを運用予報で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が、ハッサンザーデは最終的に極端な天気の予測の精度を高めることを希望しています。
「NWPを完全に置き換えることを示唆しているわけではありません」と彼は述べました。「しかし、これはNWPのための有用なガイドとなる可能性があります。計算機としては、極端な天気が発生する可能性のある場所にNWPリソースを特に集中させることを可能にする早期警戒を提供するための超低コストの方法となる可能性があります。」
「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」と彼は述べました。「これは、極端な天気を引き起こすパターンの前駆条件を特定し、それらの物理学を理解するのを助けることができます。」
