11月12日、MIT Newsが「New research could lead to faster, trustworthy AI models for climate prediction」と題した記事を公開した。気候予測AIの訓練データをあえて「非現実的」にすることで、従来6〜8回必要だったスパコン規模のシミュレーション実行を1回に削減できるという、MITの研究チームによる逆転発想の新手法だ。
気候予測AIが抱える根本的な問題
気候科学者が長期予測に使う地球システムモデル(ESM: Earth System Model)は、大気・海洋・陸面など地球の主要コンポーネントを物理法則から精密にシミュレートする。その精度と引き換えに、スパコンクラスタで数ヶ月の計算時間を要し、シミュレートできるシナリオは一度に1つだけだ。
これを補うために開発されたのが気候エミュレータと呼ばれるAIサロゲートモデル(代理モデル)だ。ESMの挙動を学習し、同等の予測を数秒で実行できる。科学者はこれを使って数千の気候シナリオを効率的に検証し、地域的な介入策の予期せぬ影響なども探索できる。
ただし、エミュレータ自体の訓練にも問題がある。従来は6〜8本の現実的な将来シナリオをESMで走らせて訓練データを生成する必要があり、コストも時間もかかる。さらにMITの研究チームは最近、こうした「現実的なシナリオ」で訓練されたエミュレータが、未知のシナリオに対して適応できないことを突き止めた。
核心:「あえて非現実的な」合成データで訓練する
MITのChristopher Womack(現ETH Zurichポスドク)らが開発したのは、エミュレータの予測精度を最大化するために合成訓練データを最適化生成するアルゴリズムだ。研究成果は学術誌『Proceedings of the National Academy of Sciences』に掲載された。
手法の流れはこうだ。まず、高速で単純な気候モデルを使って任意の気候シナリオを生成する。そのシナリオでエミュレータがESMの結果をどれだけ再現できるかを測定し、誤差を計算する。次に、その誤差を手がかりとして訓練データそのものを反復的に更新していく。たとえば、2050年にCO₂排出量を急増させたり、2037年にメタン排出量を急減させたりといった操作をアルゴリズムが自動で行い、エミュレータの誤差が閾値を下回るまで繰り返す。
結果として生成される合成データは、現実の排出シナリオとは似ても似つかない高頻度の変動(wiggles and oscillations)を含むものになる。
「我々のアルゴリズムは、現実の将来と全く異なる奇妙なシナリオを生成するかもしれない。だがそれで構わない。訓練シナリオがリアルである必要はなく、エミュレータを訓練するための最良のデータセットを作ることだけが目的だ」(Womack)
この「高周波の揺らぎ」が、エミュレータにシステム全体のダイナミクスに関するより多くの情報を学習させる鍵になる、とWomackは説明している。
何が変わるか:ESM実行回数が6〜8回から1回へ
この手法の実用的な意義は明確だ。従来の訓練ではESMを6〜8回フル実行する必要があったが、この手法では1回で足りる。残りのデータは合成データで補完される。
検証実験では、この手法で訓練したエミュレータが、訓練時に見ていないシナリオを正確に予測できたのに対し、従来のエミュレータは新しい状況への適応に失敗した。具体的には、ある汚染物質の排出だけを削減しながら他の排出は増え続けるという地域的な大気汚染対策シナリオで、従来モデルは機能しなかった。
シニアオーサーのNoelle Selin教授(MIT IDSS/EAPS)はこう述べている。
「エミュレータの訓練には数ヶ月から数年かかることもあり、手元にあるエミュレータは常に時代遅れになっている。製造時間を短縮することで、研究者や実務者の手に最新のツールが届くようになる」
今後の展開
研究チームはESMが生成したシナリオを用いた検証、他種の気候モデルへの適用、そしてより広範な機械学習・コンピュータビジョン分野への応用可能性も探索する予定だ。本研究はMIT Grand ChallengesとSchmidt Sciencesの支援を受けた「Bringing Computation to the Climate Challenge(BC3)」プロジェクトの一環として行われた。
気候科学という計算コストの高い領域で、「訓練データの質をいかに設計するか」という問いに真正面から取り組んだ本研究は、気候エミュレータの開発サイクルを大幅に短縮しうるものであり、政策立案や地域レベルの気候対策にとっても実用的な意味を持つ。
詳細はNew research could lead to faster, trustworthy AI models for climate predictionを参照していただきたい。




