清華大学と中国気象局の大規模モデルがネイチャー誌に掲載：世界レベルの問題を解決、「幽霊天気」の予報時間が初めて3時間に到達

本当に「雨の日」に備えるために、清華大学の「幽霊天気」予報モデルが登場しました！

世界の未解決の問題を解決できるようなもの -

0～3 時間以内の極端な降水量をキロメートル単位で予測できます。

短時間の大雨、嵐、吹雪、雹などの異常な降水気象はすべて事前に警告されます。

写真

この研究を完了するのは簡単なことではありませんでした。

清華大学ソフトウェア学院は、国家気象センターおよび国家気象情報センターと共同で、3年間の共同作業を経て、NowcastNetと呼ばれるこの極端降水量予測モデルを開発し、約6年間のレーダー観測データを使用してモデルのトレーニングを完了しました。

全国の気象予報専門家62人によるプロセステストでは、この方法が国際的に同様の方法より大幅に優れていることがわかり、研究結果がネイチャー誌に掲載されました。

写真

現在、NowcastNetは国立気象センターの短期予報業務プラットフォーム（SWAN 3.0）に導入・運用されており、同国の異常降水気象短期予報業務のサポートに役立てられています。

では、なぜ極端な降水量を予測するのが難しいのでしょうか?清華大学チームはこの問題をどうやって解決したのでしょうか?

なぜそれが科学的な問題として挙げられているのでしょうか?

近年、地球規模の気候変動の影響により、異常な降水気象が多発しており、より正確で精密かつより長い警報リードタイムの​​降水予報の実現が注目されています。

極端な降水気象プロセスのほとんどは数十分間しか続かず、空間規模も数キロメートル以内であるため、対流、サイクロン、地形、大気システムの混沌とし​​た影響などの複雑なプロセスによって深刻な影響を受けます。

しかし、物理方程式シミュレーションに基づく数値予測技術では、キロメートル規模の異常降水量を効果的に予測することは困難です。

そのため、今年5月27日の世界気象機関サミットでは、3時間以内の降水量予測が重要な未解決の科学的課題の一つに挙げられた。

△レーダー観測に基づく降水量予測は世界で最も難しい問題の一つ

以前から、異常な降水量を予測する方法は存在します。

数値計算とディープラーニングは降水量予測の2つの主流の方法だが、どちらにも明らかな欠陥がある。

数値計算法では、降水過程の時空間的マルチスケール特性を効果的にモデル化することが難しく、同時に、予測の累積誤差によって制約され、予測の適時性が 1 時間未満になることがよくあります。

ディープラーニング手法は非線形システムのモデリングに優れていますが、統計モデルには小さなサンプルの過剰な平滑化という固有の問題があります。予測ソリューション プロセスには物理的な保存則の制約がなく、生成された数値フィールドは著しくぼやけて歪んでいるため、ビジネス価値のある極端な降水量予測を提供することは困難です。

大規模予測モデル「NowcastNet」

上記の課題に対応するため、清華大学ソフトウェア学院の王建民教授と龍明生准教授のチームは、2017年から国家気象センターおよび国家気象情報センターと共同で研究チームを設立し、気象ビッグデータへの人工知能技術の応用に取り組んでいます。

3年間の共同研究を経て、大規模な気象予報モデルNowcastNetが提案され、過去6年間の米国と中国のレーダー観測データに基づいて学習されました。

このモデルの中核となるのは、降水物理プロセスをエンドツーエンドでモデル化し、ディープラーニングと物理法則のシームレスな統合を実現するニューラル進化演算子です。

△物理モデルとディープラーニングを統合した大規模予測モデル「NowcastNet」

具体的には、研究チームはまず、移流運動などのより重要な物理的特性を持つ中規模降水プロセスをモデル化するための中規模進化ネットワークを設計し、物質連続方程式（つまり質量保存の法則）に基づくニューラル進化演算子を設計して、降水プロセスにおける10キロメートル規模の動きをエンドツーエンドでシミュレートし、バックプロパゲーションを通じて累積予測誤差を最小限に抑えました。

第二に、研究チームは、メソスケール進化ネットワークの予測結果に基づき、対流生成や消失など、より顕著なカオス効果を伴うキロメートル規模の降水プロセスを確率的生成モデルによってさらに捉えた対流スケール生成ネットワークを提案した。

前述の統合設計により、このモデルはディープラーニングと物理モデリングの利点を組み合わせ、降水量予測の適時性を3時間にまで延長した世界初のモデル（前述のように、従来の数値計算方法は通常1時間以内）となり、大雨予測の欠点を補っています。

国家気象センターは、典型的な気象プロセスに対する大規模予報モデルNowcastNetの運用指針価値を十分にテストするために、23の省市気象観測所から62人の第一線の予報専門家を招き、中国と米国の2,400の極端な降水プロセスについて事後的および事前的なテストを実施し、現在ビジネスで使用されている方法と比較しました。

その中で、pySTEPSは移流に基づく手法であり、世界中の気象センターで広く使用されている予測システムです。 PredRNN は、中国気象局で導入されているデータ駆動型ニューラル ネットワークです。 DGMR は、Google DeepMind と英国気象庁が共同で提案したモデルです。

すべてのモデルは、米国と中国の降水現象に関する大規模なレーダー データセットでトレーニングおよびテストされています。

写真

△気象専門家の検査と数値指標評価の結果。CSIは予報の位置精度を測定するために使用され、PSDは予報のスペクトル特性とレーダーで観測された降水量の変動との比較を測定するために使用されます。

上図に示すように、NowcastNetは、CSI（重要成功指標）やPSD（パワースペクトル密度）などの数値指標において既存技術を総合的に上回り、気象プロセスの71％において最高の予測値を持つと考えられます。

極端な降雨事象の際に、NowcastNet は強力な運用価値を発揮する唯一の予測技術です。

中国と米国の典型的な異常気象のプロセスを例に挙げてみましょう。

2021年5月14日23時40分、中国江淮地域で大雨が発生し、湖北省、安徽省などの地域で大雨の赤色警報が発令されました。NowcastNetは、3つの大雨スーパーセルの変化過程を正確に予測できます。

写真

△a. 予測された地理情報、b. T+1時間、T+2時間、T+3時間における各モデルの予測結果、c. CSIは予測精度を評価するために使用される指標です

2021年12月11日午前9時30分、アメリカ中部で竜巻災害が発生し、89人が死亡、676人が負傷しました。NowcastNetでは、大雨の強さ、上陸地域、移動パターンなどについて、より明確で正確な予測結果を提供できます。

写真

このテストにより、NowcastNet は異常気象災害の正確な予防と制御に優れた指導的意義を持つことが示されました。

現在、研究成果は「NowcastNetによる極端降水量の巧みなナウキャスト」というタイトルでNature誌に掲載されており、また「AI天気予測の展望」というタイトルでNature News and Views誌にも報告されています。

研究者たちは次のように考えている。

この研究は、データと物理学によって駆動される「科学的学習」の新しいパラダイムを探求し、物理的保存の制約下で時空物質場をモデル化および予測するための一般的な方法を提案しました。また、マルチスケールの物理的特性を持つ他の問題にも応用できる可能性があります。

彼らはまた、次のようにも述べています。

今後、このソリューションは、物理的な問題解決、大気や海洋のシミュレーション、工業デザインのシミュレーションなどのアプリケーションでさらに推進される予定です。

チーム情報

清華大学ソフトウェア学院の王建民教授と龍明生准教授、および機械学習の修士であり、カリフォルニア大学バークレー校教授、清華大学名誉教授でもあるマイケル・I・ジョーダンが、この論文の責任著者である。

清華大学ソフトウェア学院の博士課程学生の張宇塵氏と准教授の龍明生氏が論文の第一著者であり、修士課程学生の陳開元氏と邢蘭祥氏が研究に参加した。

国家気象センターの金栄華研究員は気象に関する知識とデータサポートを提供し、全国の気象専門家の検査作業を統括した。羅兵、張暁玲、薛鋒、盛潔、韓鋒、張暁文などの専門家は研究作業に指導、提案、支援を提供した。

この研究は、中国国家自然科学基金創新研究グループプロジェクト、国家優秀若手科学者基金プロジェクト、および国家ビッグデータシステムソフトウェア工学研究センターの支援を受けて行われた。

論文リンク: https://www.nature.com/articles/s41586-023-06184-4