海外コメンタリー

Google DeepMindの気象予測AI「GraphCast」--従来の予測モデルをはるかに上回る精度

Tiernan Ray (Special to ZDNET.com) 翻訳校正: 村上雅章 野崎裕子

2023-11-27 06:30

 気候学者らは数十年をかけ、世界中のさまざまな地点における気象の変化をデータとして蓄積してきている。欧州中期気象予報センター(ECMWF)による、1950年にまでさかのぼる気候の記録である「ECMWF Reanalysis v5」(ERA5)に代表される取り組みは、地球上の風速や気温、気圧、その他の変量を1時間単位で記録した、いわば時間軸で見た地球のシミュレーションだ。

GraphCastの説明図
GraphCastという、グラフ理論に基づいたネットワークに対して、特定地点における数十年にわたる気候測定データを入力する。実際に入力されるのは、シミュレーションによって導き出されたERA5と呼ばれるデータ群だ。GraphCastはこのグラフをトラバース(走査)することで、該当地点とその近傍の地点における時間的経過に従ったデータを予測する。
提供:Google

 Alphabet傘下のGoogle DeepMindは米国時間11月14日、これらのデータ全てを用いて安価な気象予測を実現する上での転機が訪れたと発表した。DeepMindのサイエンティストらは、スーパーコンピューター上で従来型のモデルを処理するよりも高い精度で気候状態を予測できるプログラムを同社の「Tensor Processing Unit」(TPU)という単一の人工知能(AI)チップ上で完成させたのだという。

 GraphCastに関するDeepMindの論文は、学術誌「Science」の第382巻に掲載されており、同誌にはこの論文が気象予測における「革命」だと評する編集スタッフの記事も掲載されている。

 ただ、主執筆者であるDeepMindのRemi Lam氏とそのチームが記しているように、GraphCastというプログラムは従来型の予測モデルに取って代わるものではないという点を明確にしておく必要がある。これは既存の手法を「補完」する可能性を秘めたものだという。実際のところ、GraphCastがこの域に達したのは、人間の気候学者らがERA5という、時をさかのぼって膨大な日々のデータを蓄積する、つまり「再分析」(re-analyze)するための既存アルゴリズムを構築したために他ならない。地球規模での気象モデルを構築するというこうした緻密な努力がなければGraphCastは存在し得なかっただろう。

 Lam氏のチームは、ERA5の一部の気象記録を用い、チームの開発したGraphCastプログラムが、気象予測の定番とされているHRESシステム(これもECMWFが開発したものだ)よりも、入力していない記録をより高い精度で予測できるかどうか見極めるという課題に挑んだ。

ZDNET Japan 記事を毎朝メールでまとめ読み(登録無料)

ホワイトペーパー

新着

ランキング

  1. セキュリティ

    「デジタル・フォレンジック」から始まるセキュリティ災禍論--活用したいIT業界の防災マニュアル

  2. 運用管理

    「無線LANがつながらない」という問い合わせにAIで対応、トラブル解決の切り札とは

  3. 運用管理

    Oracle DatabaseのAzure移行時におけるポイント、移行前に確認しておきたい障害対策

  4. 運用管理

    Google Chrome ブラウザ がセキュリティを強化、ゼロトラスト移行で高まるブラウザの重要性

  5. ビジネスアプリケーション

    技術進化でさらに発展するデータサイエンス/アナリティクス、最新の6大トレンドを解説

NEWSLETTERS

エンタープライズ・コンピューティングの最前線を配信

ZDNET Japanは、CIOとITマネージャーを対象に、ビジネス課題の解決とITを活用した新たな価値創造を支援します。
ITビジネス全般については、CNET Japanをご覧ください。

このサイトでは、利用状況の把握や広告配信などのために、Cookieなどを使用してアクセスデータを取得・利用しています。 これ以降ページを遷移した場合、Cookieなどの設定や使用に同意したことになります。
Cookieなどの設定や使用の詳細、オプトアウトについては詳細をご覧ください。
[ 閉じる ]