Perspective

地球科学:データ駆動型地球システム科学のための深層学習とプロセス理解

Nature 566, 7743 doi: 10.1038/s41586-019-0912-1

絶え間なく増え続ける地理空間データからパターンや知見を抽出するために機械学習の手法が用いられることが多くなっているが、システムの挙動が空間的状況や時間的状況に支配される場合、現行の方法は最適ではない可能性がある。今回我々は、古典的な機械学習を改良するのではなく、こうした状況から得られる手掛かりを深層学習(時空間的特徴を自動的に抽出できる方法)の一環として用いて、地球システム科学の問題に関するさらなるプロセス理解を得るべきであると主張する。それによって、例えば、季節予報や複数の時間スケールにわたる長距離空間結合のモデル化の予測能力を向上させることができる。次なる段階は、物理的プロセスモデルとデータ駆動型機械学習の汎用性を結合したハイブリッドなモデル化手法と予想される。

目次へ戻る

プライバシーマーク制度