気象学：3Dニューラルネットワークによる正確な全球中期気象予報

気象予報は、科学や社会に重要である。今のところ、最も正確な予報システムは、大気状態を離散化した格子として表し、こうした状態間の遷移を記述する偏微分方程式を数値的に解く、数値気象予報（NWP）手法である。しかし、この手法は計算コストが高い。最近、人工知能に基づく手法が、気象予報を数桁加速できる可能性が示されたが、その予報精度は、まだNWP手法よりかなり低い。今回我々は、正確な全球中期気象予報のための、人工知能に基づく手法について報告する。我々は、地球に関する詳しい事前知識を持つ三次元深層ネットワークが、気象データの複雑なパターンを扱うのに効果的であり、階層的な時間的集約戦略によって、中期予報における累積誤差を減らせることを示す。我々のプログラムPangu-Weatherを39年間の全球データで訓練したところ、世界最高のNWPシステムである、ヨーロッパ中期予報センター（ECMWF）で運用されている統合気象予報システムと比べて、試験された全ての変数の再解析データについて、より強力な決定論的予報結果が得られた。さらに今回の手法は、極端気象の予報やアンサンブル予報でも良い結果を得ている。再解析データによって初期化すると、熱帯サイクロンを追跡する精度も、ECMWF-HRESより高かった。

目次へ戻る