NVIDIAが開発した新しい気象予報AI「StormCast」が、中規模の気象現象を高精度で予測する可能性を示した。この革新的なモデルは、従来の手法を上回る精度と速度で、豪雨や強風などの危険な気象イベントを予報することができ、防災や気候研究の分野に大きな進展をもたらす可能性がありそうだ。
キロメートル規模までの極端な気象現象をシミュレートする
StormCastは、NVIDIAが以前開発したCorrDiffモデルを基盤とし、さらなる機能拡張を行ったものである。CorrDiffは大気データの解像度を25キロメートルから2キロメートルまで12.5倍に向上させる能力を持っていたが、StormCastはここに自己回帰機能を追加した。この新機能により、過去のデータから未来の気象を予測できるようになり、更なる能力を獲得したわけだ。
具体的には、StormCastは3キロメートルという高い空間解像度と1時間ごとという細かい時間解像度で予測を行う。これにより、最大6時間先までの気象を高精度で予報することが可能になった。さらに注目すべきは、米国海洋大気庁（NOAA）の最新の3キロメートル解像度の操作型対流許容モデル（CAM）と比較して、降水レーダーと組み合わせた場合、最大10%高い精度を実現したことである。
NVIDIAの気候シミュレーション研究ディレクターであるMike Pritchard氏は、「StormCastは、3キロメートル、1時間ごとのスケールでこれを可能にします」と述べ、モデルの革新性を強調している。
StormCastの開発には、ローレンス・バークレー国立研究所とワシントン大学も協力しており、学際的な研究チームの英知が結集されている。モデルの訓練には、アメリカ中部地域の2年半分の気候測定データを含む広範なデータセットが使用された。このデータセットの選択は、スーパーセルや竜巻が頻繁に発生する地域のデータを重点的に学習させることで、モデルの予測精度を向上させる狙いがある。
StormCastは特に、フラッシュフラッドやデレーチョ（広範囲に風害を引き起こす長続きする暴風）などの中規模気象現象の予測に特化している。これらの現象は、水平方向の広がりが5キロメートルから数百キロメートルに及ぶもので、従来の気象予報モデルでは正確な予測が困難であった。
StormCastの革新性は、その予測精度だけでなく、計算効率の大幅な向上にも表れている。例えば、台湾の国家科学技術防災センターでは、以前はCPUで約300万ドルかかっていた計算が、NVIDIA H100 Tensor Core GPUを搭載した1つのシステムで約6万ドルで実行できるようになった。これは、計算コストを98%削減したことを意味し、より多くの研究機関や気象機関がこの先端技術を利用できる可能性を示している。
さらに、StormCastは100以上の変数を予測することができる。これには温度、湿度濃度、風、そして複数の高度における降雨レーダー反射率の値などが含まれる。この多変量予測能力により、科学者たちは嵐の浮力の現実的な3次元的進化を確認することができ、これはAI気象シミュレーションにおいて画期的な成果となっている。
NVIDIAのEarth-2プラットフォームの一部として提供されるStormCastは、気候研究者や気象予報官に新たな可能性を提供し、より正確で迅速な気象予報を可能にすることで、自然災害から人命を守るための重要なツールとなる可能性を秘めている。気候変動によって極端な気象現象が増加する中、StormCastのような先進的AIモデルの開発は、防災・減災の分野に大きな貢献をもたらすと期待されている。
論文
- NVIDIA Research: Kilometer-Scale Convection Allowing Model Emulation using Generative Diffusion Modeling
参考文献
- NVIDIA: AI Chases the Storm: New NVIDIA Research Boosts Weather Prediction, Climate Simulation
- Axios: Exclusive: New Nvidia model could bolster severe weather forecasts
研究の要旨
暴風雨スケールの対流モデル（CAM）は、被害をもたらす異常気象をもたらす雷雨やメソスケールの対流系の発達を予測するための重要なツールである。 大気内の対流力学を明示的に解像することで、気象学者は、危険に関する見通しを提供するために必要なニュアンスを得ることができる。 ディープラーニング・モデルは、より粗い解像度で最新の全球中規模気象予報に匹敵する能力を持つにもかかわらず、これまでのところ、kmスケールの大気シミュレーションに長けているとは証明されていない。 我々は、StormCastと呼ばれる生成拡散モデルを発表する。これは、高解像度高速リフレッシュ（HRRR）モデル（NOAAの最先端の3km運用CAM）をエミュレートするものである。 StormCastは、26のシノプティック変数を条件として、1時間の時間ステップで、大気境界層における高密度の垂直解像度で、99の状態変数をkmスケールで自己回帰的に予測する。 我々は、物理的に現実的な対流クラスターの発達、湿潤上昇気流、コールドプールの形態とともに、合成レーダー反射率の1-6時間予測スキルの競争力を含む、kmスケールダイナミクスの学習に成功した証拠を提示する。 StormCastの予測は、数時間の予測にわたって、複数の予測変数の現実的なパワースペクトルを維持する。 これらの結果は、自己回帰MLがCAMをエミュレートする可能性を立証するものであり、地域ML気象予測や将来の気候ハザードダイナミカルダウンスケーリングのための新しいkmスケールのフロンティアを切り開くものである。
コメント