本文へ移動
Harch AI Lab AI Learning & Research Mediapowered by Artiql Inc.

マサチューセッツ工科大学、気候予測のAIモデルを少ない学習データで作る手法を開発。簡易な気候モデルなどで検証

マサチューセッツ工科大学(MIT)は11月12日、同大の研究者が気候予測に使うAIモデルを通常より少ない学習データで作る手法を開発したと発表した。この研究の論文は米国科学アカデミー紀要に掲載された。

研究の対象は「気候エミュレーター」と呼ばれるAIモデルで、人間活動が将来の気温や海面水位に与える影響を数秒で計算できる。このAIモデルは、物理法則に基づく地球システムモデルの振る舞いをまねて計算する。地球システムモデルは、スーパーコンピューターで動かしても1つのシナリオの予測に数か月かかることがある。

MITによると、エミュレーターの学習には、現実的な排出経路に基づく6〜8通りの将来シナリオを使うことが多い。シナリオごとに地球システムモデルを動かす必要があり、学習データを作るのに費用と時間がかかる。MITの研究者らは最近、現実的なシナリオで学習させたエミュレーターが、学習していない新しいシナリオをうまく予測できない場合があることも見いだしていた。

新しい手法では、学習させるエミュレーターに合わせ、その予測性能が上がるシナリオをアルゴリズムで合成する。まず任意のシナリオを簡易な気候モデルで計算し、その結果をエミュレーターがどこまで再現できるかで誤差を測る。誤差が一定の水準に下がるまで、学習データを繰り返し更新する。こうしてできたシナリオは、排出がなめらかに推移する現実的なシナリオとは違い、急な変動を含む。

論文の要旨によると、簡易な気候モデルでの検証では、最適化した1つのシナリオで学習したエミュレーターが標準的な6つの排出経路で学習したものより高い予測性能を示した。簡易な気候モデルで最適化したシナリオを中程度の複雑さの気候モデルで計算し、その結果で学習させたエミュレーターも、標準的な排出経路を同じモデルで計算した結果で学習したものより予測性能が高かった。

MITは、新しい手法で学習したエミュレーターが学習に使っていないシナリオも正確に予測したと説明している。研究者らが比べた従来のエミュレーターは、新しい状況に対応できなかった。MITはまた、この手法を使えば学習データ作りに地球システムモデルを動かす回数を6〜8回から1回に減らせるとみている。研究者らは今後、地球システムモデルを使ってこの手法を試したいとしている。

【関連サイト】マサチューセッツ工科大学「New research could lead to faster, trustworthy AI models for climate prediction」

【関連サイト】Christopher B. Womack ほか「Optimal scenario design for climate emulation」(Proceedings of the National Academy of Sciences)

画像:Editorial credit: eskystudio / Shutterstock.com