1718153923
2024-06-11 18:30:00
気候モデルは、気候変動の影響を予測する上で重要な技術です。地球の気候のシミュレーションを実行することで、科学者や政策立案者は海面上昇、洪水、気温上昇などの状況を予測し、適切な対応方法を決定することができます。しかし、現在の気候モデルでは、都市規模などの小規模な規模で役立つほど迅速かつ低コストでこの情報を提供するのが困難です。
さて、 新しいオープンアクセス論文 に掲載された 地球システムモデリングの進歩ジャーナル 機械学習を活用して現在の気候モデルの利点を活用しながら、その実行に必要な計算コストを削減する方法を発見しました。
「これは従来の常識を覆すものだ」と、MIT地球大気惑星科学部（EAPS）の主任研究科学者で、EAPSのポスドク研究者アナミトラ・サハ氏とともに論文を執筆したサイ・ラベラ氏は言う。
伝統的な知恵
気候モデリングにおいて、ダウンスケーリングとは、解像度の低い地球規模の気候モデルを使用して、より小さな領域の詳細を生成するプロセスです。デジタル画像を想像してください。地球規模のモデルは、ピクセル数が少ない世界の大きな画像です。ダウンスケーリングするには、写真の見たい部分 (たとえばボストン) だけを拡大します。しかし、元の画像の解像度が低いため、新しいバージョンはぼやけており、特に役立つほどの詳細が十分に得られません。
「粗い解像度から細かい解像度に移行する場合、何らかの方法で情報を追加する必要があります」とサハ氏は説明します。ダウンスケーリングでは、欠落したピクセルを埋めることで、その情報を戻そうとします。「情報の追加は 2 つの方法で行うことができます。理論から追加するか、データから追加するかのどちらかです。」
従来のダウンスケーリングでは、多くの場合、物理学に基づいて構築されたモデル（空気の上昇、冷却、凝縮のプロセスや地域の地形など）を使用し、過去の観測から取得した統計データでそれを補完します。しかし、この方法は計算負荷が大きく、実行に多くの時間と計算能力が必要であり、コストもかかります。
両方少しずつ
新しい論文で、サハとラベラはデータを別の方法で追加する方法を編み出した。彼らは、敵対的学習と呼ばれる機械学習の技術を採用した。この技術では2台のマシンを使用する。1台は写真に挿入するデータを生成する。もう1台のマシンはサンプルを実際のデータと比較して判断する。画像が偽物だと判断した場合、最初のマシンは2台目のマシンを納得させるまで何度も試行しなければならない。このプロセスの最終目標は、超解像度データを作成することである。
敵対的学習のような機械学習技術の使用は、気候モデリングにおいて新しいアイデアではない。現在のところ、保存則のような大量の基礎物理学を処理できないのが難点である。研究者たちは、物理学を単純化し、過去のデータからの統計で補完するだけで、必要な結果を生成するのに十分であることを発見した。
「統計と単純化された物理学の両方からの情報で機械学習を拡張すると、突然魔法のようなことが起こります」とラベラ氏は言う。彼とサハ氏は、より複雑な物理方程式を取り除き、水蒸気と土地の地形に焦点を当てることで、極端な降雨量を推定することから始めた。次に、山岳地帯のデンバーと平地のシカゴの両方について、一般的な降雨パターンを生成し、歴史的記録を適用して出力を修正した。「物理学のように、はるかに低いコストで極端な降雨量が得られます。また、統計と同等の速度で、はるかに高い解像度が得られます。」
結果のもう一つの予想外の利点は、必要なトレーニングデータが非常に少なかったことです。「ほんの少しの物理学とほんの少しの統計だけで、MLのパフォーマンスを向上させるのに十分だったという事実は、 [machine learning] 「モデルは…実は最初から明らかではありませんでした」とサハ氏は言います。トレーニングには数時間しかかからず、数分で結果を生成できます。これは、他のモデルが実行に数か月かかることに比べると改善された点です。
リスクを迅速に定量化する
モデルを迅速かつ頻繁に実行できることは、保険会社や現地の政策立案者などの利害関係者にとって重要な要件です。ラベラ氏はバングラデシュの例を挙げています。異常気象が国にどのような影響を与えるかを知ることで、非常に幅広い条件と不確実性を考慮しながら、どの作物を栽培するか、または人口をどこに移住させるかの決定をできるだけ早く行うことができます。
「このリスクを定量化するのに何ヶ月も何年も待つことはできません」と彼は言う。「何が良い決断かを判断するには、はるか先の未来と多くの不確実性を見据える必要があります。」
現在のモデルは極端な降水量のみを対象としていますが、熱帯暴風雨、風、気温など、他の重要な事象を調査できるように訓練することがプロジェクトの次のステップです。より堅牢なモデルを使用して、ラベラはボストンやプエルトリコなどの他の場所に適用し、 気候大課題プロジェクト。
「私たちがまとめた方法論と、それがもたらす可能性のある応用の両方に非常に興奮しています」と彼は言う。
#気候モデルを地域の意思決定者にとって意味のあるものにする #MIT #ニュース