Sampling sea state using a diffusion model

技術要約：拡散モデルを用いた海況サンプリング

問題提起
正確な海況予測は、海面波が空気・海洋間の交換を調節する地球システム結合モデルや、運用上の海洋安全にとって極めて重要である。従来のスペクトル波浪モデル（WAVEWATCH-IIIなど）は波作用バランス方程式を解くものであるが、高頻度の結合や確率的（アンサンブル）予測を必要とするアプリケーションにおいては、計算コストが非常に高い。近年のディープラーニングによるアプローチは気象や波浪の予測を改善しているものの、それらは主に決定論的であり、バルク変数（有意波高など）に焦点を当てており、自己回帰的なタイムステップに依存していることが多い。そのため、複雑な条件付き分布やパーティションレベルの詳細を捉える能力には限界がある。さらに、アンサンブル設定でスペクトルモデルを実行することの計算コストや、波の不確実性は風の不確実性のみによって支配されるという認識から、確率的な海況推定はこれまでほとんど未開拓であった。

手法
著者らは、デノイジング拡散確率モデル（DDPM）に基づくグローバルな海況サンプリングフレームワークを提案している。タイムステップを進める自己回帰モデルとは異なり、この手法は、グローバルな風強制力に対する海況変数の複雑な条件付き分布から直接サンプリングを行う。

• 入力コンディショニング： モデルは、5日間のグローバルな東西風および南北風（$U, V$）の履歴に加え、海氷分率や海洋深さを含む補助的な静的および動的フィールドに基づいて条件付けられる。5日間のウィンドウは、海洋盆地を横断するスウェル（うねり）の伝播の近似的な時間スケールに基づいて選択されている。
• ターゲット変数： モデルは、単純なバルクパラメータを超えて、幅広い海況変数を生成するように訓練される。これらには以下が含まれる：
  • バルク変数： 有意波高（$H_s$）、平均波周期（$T_m$）、および平均波向（$\theta_m$）。
  • パーティション関連変数： 特定の場所における最もエネルギーの高い2つの波系（パーティション）を記述する変数（それぞれの波高、周期、方向を含む）と、不一致な波系が共存していることを示すバイナリの「交差海（Crossing Sea Index）」（CI）。
  • 派生変数： 空気・海洋混合やリモートセンシングに関連する高次モーメントである、表面ストークスドリフト（$U_{ss}, V_{ss}$）および平均二乗勾配（MSS）。
• アーキテクチャと訓練： デノイザーネットワークは、約9,000万個のパラメータを持つ条件付きU-Netアーキテクチャを利用している。訓練および損失計算において、陸域や氷に覆われた領域を除外するためにウェットマスクを採用している。モデルは、1993–2003年および2005–2020年をカバーする、WAVEWATCH-III（ERA5風による強制）によって生成された30年間のグローバルなヒンドキャスト・データセットを用いて訓練されている。
• サンプリング： 推論時、モデルはランダムな初期状態から、風の履歴を条件としてガウスノイズを徐々に除去することでサンプルを生成する。これにより、自己回帰的な誤差の蓄積なしに、海況のアンサンブル実現体を生成することが可能となる。

主な結果
2004年のテストセット（台風スダルを含む）およびその後の数年間で評価した結果、拡散モデルは以下の特性を示した：

• バルク変数の性能： モデルはバルク変数に対してスキルのある予測を実現している。有意波高の平方根平均二乗誤差（RMSE）は0.27 mであり、観測値と従来のヒンドキャストとの間の差異と同程度である。有意波高の異常相関係数（ACC）は0.96である。RMSEは短リードの自己回帰モデルよりはわずかに高いものの、拡散モデルが風強制のみから各スナップショットを独立して生成しているにもかかわらず、長リード（360時間）の予測と同等である。
• アンサンブル較正： アンサンブルの広がりはよく較正されており、バルク変数のスプレッド・スキル比（SSR）は0.9から1.1の間である。絶対誤差が大きい領域は、特に波向においてアンサンブルの広がりも大きくなっており、これはモデルが交差する波系が存在する領域における不確実性を正しく特定していることを示唆している。
• パーティションおよび派生変数：
  • モデルは、ブライヤー・スキル・スコアが約0.4という、月間クリマトロジーを上回る精度で交差海指数を予測している。
  • パーティションレベルの変数（例：$H_{sp1}, T_{p1}$）は、バルク変数と比較して誤差が大きく、過小分散（SSR < 1）を示しており、これはマルチモーダルなスペクトルを解像することの固有の難しさを反映している。
  • ストークスドリフトのような派生変数は、低いアンサンブル広がりを伴って良好にサンプリングされている。しかし、平均二乗勾配（MSS）については、風の履歴を含めることでRMSEがわずかに悪化した。これは、高次モーメントが長い風の履歴への依存度が低いか、あるいはこれらの特定のターゲットに対しては決定論的なアプローチで十分であることを示唆している。
• 物理的一貫性： 非次元化された波高と周期の結合分布は、ヒンドキャスト・データに見られる物理的なスケーリング則（例：Tobaの法則）を保持している。
• 計算効率： 拡散モデルは大幅な加速を提供し、数値スペクトルモデルと比較して、実時間の壁時計時間で20倍以上の高速化を達成している。

意義と主張
本論文は、拡散ベースの海況サンプリングが、確率的な波浪予測および、より広範な地球システムモデルへの海況情報の効率的な結合に向けた有望な道筋を提供すると主張している。主な貢献は以下の通りである：

1. 確率的フレームワーク： スペクトルモデルをアンサンブルモードで実行するという計算上の制約を受けることなく、較正された海況のアンサンブルを提供する。
2. バルク変数を超えて： 深層生成モデルを用いて、リアルタイムの運用設定ではアクセスが困難、あるいは計算コストが高すぎるパーティション関連の変数や派生変数（ストークスドリフト、MSS）を推定できる可能性を示す。
3. 非自己回帰的な柔軟性： 自己回帰的なタイムステップではなく風の履歴を条件とすることで、誤差の蓄積を回避し、任意の時間間隔で海況変数を柔軟にクエリすることを可能にする。
4. データ同化の可能性： 低コストで確率的なパーティションおよび派生量の推定を生成できる能力は、現代の衛星プラットフォーム（例：SAR）からの詳細な波浪観測を活用した、高度なデータ同化アルゴリズムの開発を促進する可能性がある。

著者らは、パーティションレベルの予測が依然として困難であることや、報告された指標は潜在空間の探索や追加の条件付けフィールドなどのさらなるアーキテクチャの洗練によって改善される可能性があることを認め、控えめなトーンを維持している。彼らは、本研究が標準的なバルクパラメータを超えた、複雑で高次元な地球物理学的フィールドへの拡散モデルの適用に関する概念実証として機能することを強調している。