ディープマインドのグラフキャストに会いましょう：機械学習による天気予報の飛躍

「ディープマインドのグラフキャストとの出会い：機械学習による天気予報の進化」

天気予報技術の重要な進展として、Google DeepMindは画期的な機械学習モデルである「GraphCast」を紹介しました。このAIツールは、従来の数値天気予報（NWP）モデルの支配に挑戦し、より正確かつ迅速な予測を提供するという大幅な飛躍を示しています。

天気予報の革新

GraphCastはデスクトップコンピュータで効率的に動作し、エネルギーとコストがかかる大型コンピュータに依存するNWPモデルとは対照的です。このAIモデルは、科学誌「Science」で11月14日に説明されたもので、過去と現在の天気データを利用して将来の天気予測を迅速に行います。

• このAI論文は、機械学習パイプライン内のさまざまなタイプの漏えいについて包括的な概要と議論を提供しています
• ロコムジョコに会おう：厳格な評価と比較のために設計された新しい機械学習ベンチマーク
• 「Llama2とAmazon SageMakerを使用したLoRAのファインチューニングモデルのモデル管理」

この革新は、気候変動や極端な気象イベントによる世界的な課題が生じている現在、正確な天気予測がますます重要になっているタイミングで登場しました。従来のNWPモデルは正確ですが、大気中の熱、空気、水蒸気の移動をマッピングするために広範な計算リソースを必要とします。

GraphCastの伝統的なモデルに対する優位性

DeepMindのロンドンの研究所で開発されたGraphCastは、1979年から2017年までの過去の世界の気象データを使用してトレーニングされました。気温、湿度、気圧、風などのさまざまな天気要素の間の相関関係を理解するために、この広範なデータセットを利用します。GraphCastの予測能力は最大で10日先までで、RESolution予測システム（HRES）のようなECMWFのNWPでは数時間かかるプロセスを1分未満で提供します。

特に、地球の表面に最も近い大気層である対流圏では、12,000の測定のうち99%以上でGraphCastはHRESを上回っています。また、地球の近くの5つの気象変数やより高い高度での6つの大気変数の予測にも精度があります。これには、熱帯低気圧や極端な温度変動を含む激しい天候現象の予測も含まれます。

比較的な優位性

GraphCastの優越性は、従来のモデルに対するだけでなく、他のAI駆動アプローチに対しても目立ちます。以前のHuaweiの研究によると、HuaweiのPangu-weatherモデルと比較した結果、GraphCastは天気予測の99%でより優れたパフォーマンスを示しました。ただし、異なるメトリックスを使用した将来の評価によっては、異なる結果が得られる可能性があることに注意してください。

結論

GraphCastは、計算要件を削減しながら迅速で正確な予測を提供し、天気に依存する活動に関連する気象研究と現実世界の意思決定に大きな支援を約束する、天気予報での変革的な進展を示しています。技術が進化し、現在の制約を克服するにつれて、GraphCastは実用的な応用への統合までに2〜5年かかると予想され、伝統的な手法とAIの革新的な能力を組み合わせた天気予測の新たな時代を切り拓くことになるでしょう。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!