Googleは「先進的な天気予報AI」MetNet-3を発表、その予測結果は従来の物理モデルを上回ると主張

11月3日、Google ResearchとDeepMindは最新の気象モデルMetNet-3を共同で開発しました。このモデルは、以前のMetNetとMetNet-2をベースにしており、降水量、地表温度、風速、風向、体感温度など、24時間先までの世界の気象状況を高解像度で予報することができます。

IT Homeは、Googleがモバイルプラットフォーム上の「Google Mobile Software」の天気予報にMetNet-3モデルが実装されていると言及していることを発見した。

MetNet-3モデルは、1～4キロメートルの空間解像度と2分の分析間隔で「滑らかで高精度」な予報を作成できます。実験では、MetNet-3の予報能力が従来の物理気象予報モデルの能力を超えていることが示されています。たとえば、従来の物理ベースのモデル「NWP（数値天気予報）」と「HRRR」は、どちらもMetNet-3に勝っています。

MetNet-3 と、気象予報における従来の方法に基づく他の機械学習方法との主な違いは、MetNet-3 は大気観測データを通じて直接トレーニングおよび評価される点です。研究者らは、直接観察の利点はデータ密度と解像度が高いことだと述べた。 MetNet-3 では、以前の MetNet モデルからデータを継承するだけでなく、気象観測所からの温度と風の測定データの学習も追加し、あらゆる場所の包括的な天気予報を提供します。

研究者らは、MetNet-3 の主な革新は、天気予報の精度と範囲を改善するために高密度化と呼ばれる技術を使用したことだと述べた。

従来の物理ベースのモデルでは、天気予報には通常、データ同化とシミュレーションという 2 つのステップが必要です。データ同化とは、実際の観測データをモデルに統合することを指し、シミュレーションとは、このデータに基づいて天気を予測することです。

MetNet-3では、高密度化技術により、ニューラルネットワークを介して「データ同化」と「シミュレーション」の2つのステップを組み合わせることで、より高速で直接的な天気予報を実現します。これにより、モデルはデータの取得と処理をより効率的に行うことができ、ニューラルネットワークを使用して天気予報の精度を向上させることもできます。また、MetNet-3 モデルでは、高度情報、衛星情報、レーダー情報などの特定のデータ ストリームを個別に処理できるため、より正確で包括的な天気予報を取得できます。

さらに、「直接観測」データを学習サンプルとして使用することで、MetNet-3 モデルに空間と時間に基づく高解像度の利点がもたらされます。気象観測所や地上レーダー観測所は、数分間隔で特定の場所の測定データを 1 km の解像度で提供できます。比較すると、現在世界で最も先進的な物理モデルでさえ、6 時間ごとに 9 km の解像度でデータを生成し、1 時間ごとの予測を提供することしかできません。

MetNet-3 は、収集された観測データを最短 2 分間隔で効果的に処理およびシミュレーションできます。高密度化技術、リードタイム調整技術、高解像度の直接観測方法を組み合わせることで、MetNet-3 は最大 2 分間の時間分解能で 24 時間予報を作成し、ユーザーに正確でタイムリーな天気予報情報を提供します。

また、気象観測所で観測された気象情報と比較すると、MetNet-3 は地上レーダーから収集された降水量推定値も使用するため、学習データの範囲が広くなります。風速であれ降水量であれ、MetNet-3 の予測結果は業界最先端の物理モデルよりもはるかに優れています。

MetNet-3 の主な価値は、機械学習技術を使用して天気をリアルタイムで正確に予測し、Google 製品上で天気予報サービスを提供できることです。このモデルは、収集された最新のデータに基づいて、完全かつ正確な予報を継続的に作成します。研究者は、これは従来の物理的推論システムとは異なり、天気予報の独自のニーズをよりよく満たすことができると述べています。