Stochastic Emulation of a Fully Coupled Preindustrial E3SMv3 Simulation

次の1世紀の天気を予測することを想像してみてください。それは、ハリケーンの中で渦巻く一枚の葉の正確な軌道を予測しようとするようなものです。ただし、そのハリケーンは地球全体であり、葉は一粒の雨粒なのです。科学者たちは、こうした予測を行うために、「気候モデル」と呼ばれる非常に複雑で巨大なコンピュータプログラムを使用しています。これらのモデルは、大気、海洋、氷、そして陸地が互いにどのように影響し合っているかをシミュレートする、いわば地球の「デジタルツイン（デジタルの双子）」です。これらは驚異的な能力を持っていますが、同時にあまりにも重厚で複雑であるため、実行には膨大な時間がかかり、電気代も莫大な費用がかかります。それは、たった一つの非常に遅いオーブンだけを使って、10億人のためにフルコースの食事を作ろうとするようなものです。

これらのモデルは非常にコストがかかるため、科学者は気候がどのように揺らぎ、変化し得るかというあらゆる可能性を見るために、十分な回数の試行を行うことができません。そこで、彼らには「近道」が必要です。ここで登場するのが「エミュレータ」です。エミュレータとは、熟練のシェフ（巨大な気候モデル）が料理を作る様子をしばらく観察し、そのレシピを模倣することを学んだ、賢くて動きの速い「弟子」のようなものだと考えてください。これらの弟子は人工知能（AI）を使用して、元のモデルが何をするかを推測しますが、それをわずか数分の1の速さで行います。しかし、一つ問題があります。現実の気候は単なる予測可能なレシピではなく、ランダムで混沌とした驚きに満ちています。もしあなたの弟子が、平均的なレシピだけをコピーしてしまうなら、突然の激しい嵐や、偶然によって起こる奇妙な長期的変化を見逃してしまうかもしれません。この論文では、単にレシピをコピーするだけでなく、キッチンの「ランダム性」をも理解し、これまでにない速さで地球の混沌とした予測不可能な性質をシミュレートできるような、そのような「弟子」をどのように構築するかを探求しています。

---

論文：高速で、ランダムで、リアルな気候の弟子

本研究において、研究チームはSamudrACE-E3SMv3と呼ばれる新しい種類の気候エミュレータを構築しました。このエミュレータを、地球の気候システムとしての役割を学ぶ、高性能なビデオゲームエンジンだと考えてください。これは、大気（空気と天気）をシミュレートする一つの「脳」と、海洋（深くうねる海水）をシミュレートするもう一つの「脳」という、二つの独立したAIの脳を接続するものです。目標は、これら二つの脳を、実際の地球と同じようにリアルタイムで対話させることですが、それを模倣しようとしている元の非常に低速な気候モデルよりも約40倍速く行うことです。

この新しいエミュレータの秘訣は、**「ランダム性」**にあります。従来のほとんどのAI気候モデルは「決定論的」でした。つまり、同じ開始点を与えれば、常に全く同じ結果を生み出す、まるで厳格な台本に従うロボットのようなものでした。しかし、現実の世界は混沌としています。時には、小さなランダムな突風が嵐の進路を変えることもあります。研究者たちは、標準的な「ロボット」のような大気の代わりに、「確率論的（ストキャスティック）」なバージョンを採用しました。この新しい大気の脳は、混合物に自然な混沌を少し加えます。これにより、エミュレータは単に「平均的な気候」を予測するだけでなく、エルニーニョ現象や海氷の変化といった、数年または数十年間にわたって発生する自然な変動を生成することを学習します。

研究結果

研究チームは、この新しいエミュレータをテストするために、単一のグラフィックスカード（強力なコンピュータチップ）上で400年間のシミュレーションを実行しました。元のモデルが同じ作業を行うには、数千のプロセッサを必要としたはずです。シミュレーションの結果、以下のことが明らかになりました。

• 平均的な気候は極めて正確： エミュレータは、地球の「平均的な」状態を再現することにおいて素晴らしい成果を上げました。それが作り出した気温や降水パターンは、元の低速なモデルとほぼ同一でした。実際、エミュレータが犯した小さな誤差は、元のモデルが現実世界の観測値と比較した際に生じる誤差よりもはるかに小さいものでした。
• ランダム性が機能する： 最大の勝利は、長期的な変動を捉えたことです。エミュレータにそのランダム性の要素が含まれていたため、エルニーニョ（世界中の天候に影響を与える太平洋の海水温の上昇）のような複雑で数年周期のパターンをうまくシミュレートすることができました。エミュレータのエルニーニョ・パターンを元のモデルと比較したところ、数年ごとに発生するイベントにおいて非常によく一致しました。対照的に、テストされた「決定論的（非ランダム）」なバージョンのエミュレータは、退屈で反復的なループに陥り、これらのイベントの真の混沌とした性質を捉えることに失敗しました。
• 海洋の渦と海氷： エミュレータはまた、海洋の激しい渦（メキシコ湾流のようなもの）や、海氷の端の変化を模倣することにおいても優れた性能を示しました。ランダム版のモデルは、非ランダム版よりも海洋のエネルギーと動きをより現実的に維持しました。一方、硬直した非ランダム版は、海洋を鎮めすぎてしまう傾向がありました。
• 唯一の弱点：極端な降雨： エミュレータは、通常の降雨や非常に激しい降雨の予測には優れていましたが、極めて稀に発生する最も極端な熱帯の嵐については苦戦しました。エミュレータは、99.99パーセンタイル（99.99%の確率で起こる最も激しい雨）までの降雨を予測することはできましたが、一度きりの人生におけるような、最も強烈な熱帯の豪雨の頻度を過小評価していました。それは、まるで熟練の弟子シェフが、100回中99回は完璧なステーキを調理できるものの、時として最もエキゾチックで稀な料理において的外れになってしまうようなものです。

なぜ重要なのか

この論文は、AI気候モデルに少しの「制御された混沌」を加えることで、単に非常に高速であるだけでなく、長期的な予測不可能な気候の変化をシミュレートできるツールを作成できることを示唆しています。これは、科学者が将来の気候がどのように振る舞うかを理解するために、わずかな数のシミュレーションだけでなく、何千ものシミュレーションを実行できることを意味します。このエミュレータは、最も極端な天候イベントを完璧に捉えるためにはまだ改善が必要ですが、気候科学をより速く、より安価に、そしてより現実的なものにするための大きな一歩となります。研究者らは、これはシミュレーションに基づく知見であり、将来の研究では、気候が安定した産業革命前の世界ではなく、人間の活動によって変化している場合に、このアプローチが通用するかどうかを検証する必要があると述べています。