Tianmu-TC: Physics-constraints Generative Artificial Intelligence for Global Tropical Cyclone Forecasting

熱帯低気圧は、海岸線の形を変え、人命を脅かす猛烈な風と豪雨を解き放つ能力を持つ、地球上で最も強力かつ破壊的な力のひとつです。これらの嵐がどこへ向かい、どの程度の強さになるのかを予測することは、数十年にわたり科学者たちを悩ませてきた課題です。大気はカオスなシステムであり、これは、初期の測定における微細で目に見えないほどの誤差が、時間の経過とともに巨大な間違いへと増幅していくことを意味します。この現象は、しばしば「バタフライ効果」と呼ばれます。この不確実性に対処するため、気象学者は伝統的に、数千通りのわずかに異なるシナリオを実行して、起こり得る結果の範囲を作り出す複雑なコンピュータ・シミュレーションに頼ってきました。これらの手法は安全性のためのゴールドスタンダード（標準）ですが、膨大な計算能力を必要とし、多くの場合、一つの予報を出すのに数時間を要するスーパーコンピュータを必要とするため、実行に時間がかかりコストも高くなります。

最近の研究で詳述された新しいアプローチは、単に生のデータから学習するのではなく、物理法則から学ぶタイプの人工知能を用いた、異なる前進の道を提案しています。浙江理工大学などの研究者を中心とするチームは、「Tianmu-TC」と呼ばれるシステムを開発しました。従来のAIモデルが過去の嵐のパターンを単に記憶するだけだったのに対し、このシステムは、嵐がどのように移動し変化するかを支配する物理的なルールを理解するように設計されています。このAIに自然界の制約を尊重させるよう教えることで、研究者たちは、現在の手法よりもはるかに迅速かつ不確実性を抑えて、嵐の複数の起こり得る未来を生成できるツールを作り上げました。その結果、この物理学に基づいたAIは、世界中の熱帯低気圧の経路と強度を驚異的な速度と精度で予測でき、現在主要な気象機関で使用されている最も高度なスーパーコンピュータ・モデルをも凌駕することがしばしばあります。

この画期的な成果の核心は、AIが大気のカオスをどのように扱うかという点にあります。従来のAIモデルは、例えば人々が集まって場所を推測している際に、予想が大きく散らばってしまうような、広範囲にわたる予測を出すことがあり、これでは嵐が実際にどこに衝突するかを知ることが困難になります。これを解決するために、研究者たちはAIの学習プロセスに3つの特定の物理的ルール、すなわち制約を導入しました。第一に、システムは嵐の履歴を尊重することを強制され、あらゆる新しい予測が、嵐がすでに辿ってきた場所から論理的に流れるようにします。第二に、高気圧や、ボートを導く川のように機能する風の流れなど、嵐を操る大規模な気象パターンを考慮しなければなりません。そして最後に、おそらく最も重要なこととして、AIは嵐の内部構造、具体的には嵐の内部で風と圧力が垂直方向にどのように変化するかを考慮するように教えられます。これら3つの物理的な現実を生成プロセスに織り込むことで、AIは可能性を絞り込み、突飛な推測を排除して、最も物理的に妥当な結果に焦点を合わせることを学びます。

2017年から2023年までの、世界中の海域の実際のデータを用いてテストされた際、Tianmu-TCは、その開発者さえも驚かせるレベルの精密さを示しました。このモデルは西太平洋北部のデータのみで訓練されましたが、特定の地域のために再学習させることなく、大西洋、インド洋、および南半球の嵐を予測することに成功しました。欧州中期予報センター（ECMWF）という、世界をリードするグローバルな気象機関や他のトップクラスのAIモデルとの直接比較において、Tianmu-TCは、嵐の経路と強度の両方の予測において一貫してより小さな誤差を生み出しました。例えば、嵐が通常とは異なるループ状の経路を辿ったり、急速に強度が変化したりする場合、この新モデルは既存のAIシステムと比較して予測誤差を最大6分の1に減少させました。また、多くの現行システムが見落としがちな、嵐の急速な発達や衰退についても、詳細なレベルで予測することができました。

この開発において最も衝撃的な側面は、その効率性です。世界で最も強力な気象モデルが、予報を生成するためにスーパーコンピュータと数時間の処理時間を必要とする一方で、Tianmu-TCは一般的なグラフィックスカード（多くのハイエンドコンピュータに見られるハードウェア）1枚で動作し、わずか1秒余りで予報を生成できます。このスピードは精度の犠牲の上に成り立つものではありません。実際には、モデルは最も可能性の高い結果の周囲に密接に集まった6つの経路のセットを生成し、予報者に何が起こるかについて明確で自信を持った全体像を提供します。研究者たちは、周囲の大気に関するリアルタイムのデータが欠落している場合でも、モデルが嵐の直近の履歴に頼って正確な予測を行えることを発見しました。これは、データストリームが中断される可能性があるリアルタイムの緊急対応において極めて重要な機能です。

この研究はまた、嵐の経路と強度の間のより深い関係も明らかにしました。科学者たちは、これら2つの要因が関連していることを古くから知っていましたが、この新しいモデルは、これらを別々にではなく同時に予測することが、大幅に優れた結果をもたらすことを証明しました。AIは、嵐の強度が、その経路沿いで遭遇する特定の環境（海洋水の温度や上空の風の強さなど）に大きく依存することを学習しました。経路と強度を同時に予測することで、モデルは一方の情報を用いて他方を洗練させることができ、より一貫性のある信頼できる予報を作り出すことができました。この発見は、将来の嵐の予測が、より大きく複雑なモデルを構築することにあるのではなく、天候の異なる部分間の物理的な関係を理解する、よりスマートなシステムを設計することにあることを示唆しています。

この研究の意義は、単なる画面上の数値の向上にとどまりません。高品質なアンサンブル予報を標準的なハードウェアで利用可能にすることで、この技術は、豊富な資源を持たない地域でも、裕福な国々と同レベルの詳細な予報にアクセスできるようにし、気象予測を民主化する可能性があります。複数の物理的に一貫したシナリオを迅速に生成できる能力は、緊急管理者が、突然の進路変更や風速の急激な増加といった特定の脅威に対して、より多くの準備時間を確保することを可能にします。研究者たちは、モデルが短期間の予報には非常に効果的である一方で、大気の固有のカオス性により、数日先の嵐を予測することは依然として困難であると認めています。しかし、Tianmu-TCの成功は、人工知能を基礎となる物理法則に根付かせることで、より速く、より安価で、かつより信頼できるツールを構築できることを示唆しており、熱帯低気圧の猛威からコミュニティを守るための新しい方法を提示しています。