Article
大気科学：気象と気候のためのニューラル大循環モデル
Nature 632, 8027 doi: 10.1038/s41586-024-07744-y
大循環モデル（GCM）は、気象と気候の予測の基礎である。GCMは、大規模な力学系の数値ソルバーと雲形成のような小規模な過程に関する調整された表現を組み合わせた、物理に基礎を置いたシミュレーターである。最近、再解析データで訓練された機械学習モデルによって、GCMと同等以上の決定論的気象予測スキルが達成された。しかし、こうしたモデルはアンサンブル予報の向上を実証していないか、長期の気象・気候シミュレーションについて十分な安定性を示していない。今回我々は、微分可能な大気力学ソルバーと機械学習構成要素を組み合わせたGCMを提示し、このモデルが、最良の機械学習および物理ベースの方法と同等の決定論的気象予測、アンサンブル気象予測、気候予測を生成できることを示す。NeuralGCMは、1～10日予報では機械学習モデルと同程度で、1～15日予報ではヨーロッパ中期予報センターのアンサンブル予報と同程度であった。海面水温を規定すれば、NeuralGCMは数十年にわたって気候指標を正確に追跡することが可能であり、140 kmの分解能の気候予測は、熱帯低気圧の現実的な頻度や軌跡などの突発的事象を示すことができる。気象と気候の両方に対して、この手法はこれまでのGCMに対して計算時間を数桁節約することができるが、このモデルは大幅に異なった将来の気候へ外挿することはない。我々の結果は、エンドツーエンド深層学習が、従来のGCMによるタスクに適合可能であり、地球システムの理解と予測に不可欠な大規模物理シミュレーションを強化できることを示している。
