天気予報の「巨大な機械仕掛け」を1つのAIで置き換えた——スーパーコンピュータ1000台分の仕事を1秒でこなす研究

天気予報という営みは、実は私たちが想像する以上に巨大なシステムだ。人工衛星やブイ、気球、地上観測所から集まる膨大なデータを取り込み、大気の状態を推定し、流体力学の方程式を解いて未来を予測し、最後に地域ごとの予報へと落とし込む——この一連の工程を専用のスーパーコンピュータが何時間もかけて処理している。今回紹介する「Aardvark Weather」という研究は、この巨大な機械仕掛けの全工程を、たった1つの機械学習モデルに置き換えてみせた。学術誌「Nature」に掲載されたこの論文を、少し丁寧に読み解いていきたい。

なぜ「全工程の置き換え」がこれまで避けられてきたのか

これまでもAIによる天気予報の研究は数多く発表されてきた。ただし、その多くは「予報パイプラインの一部」を機械学習で置き換えるにとどまっていた。具体的には、大気の初期状態が与えられた後の「未来予測」の部分だけをAIに任せ、その初期状態そのものを作る「データ同化」という、観測データから現在の大気の状態を推定する最も難しい工程は、依然として従来型の数値計算システムに頼ったままだった。

論文の著者らが引用する2021年の別の論文では、「この目標（完全なエンドツーエンド化）が実現するには、いくつもの根本的なブレークスルーが必要」だと評されていたという。つまり専門家の間でも「まだ何年も先の話」という空気があったテーマだ。それを、ケンブリッジ大学のRichard Turner氏らの研究チームが、想定より早く実現してみせた、というのが今回の報告の核心にある。

エンコーダ・プロセッサ・デコーダという3段構え

Aardvark Weatherの内部構造はシンプルに整理されている。3つのモジュールが役割分担している。

1. エンコーダ：衛星、地上観測所、船舶、気球（ラジオゾンデ）からの生の観測データを受け取り、現在の大気の状態を推定する 2. プロセッサ：その推定された状態をもとに、1日先から10日先までの予報を、24時間刻みで逐次的に生成する 3. デコーダ：得られた予報を、特定の地点（観測所）向けのローカル予報に変換する

この3つのモジュールは、いずれも比較的軽量なニューラルネットワーク（ビジョン・トランスフォーマーとU-Netの組み合わせ）で構成されており、合計の学習時間はNVIDIA A100 GPU4基を使って約100時間程度だったという。従来の数値予報システムを開発・維持するのに要する、巨大な専用チームと専用のスーパーコンピュータという投資規模と比べると、これは驚くほど軽量だ。

「観測データの8%」で従来モデルに匹敵する精度

技術的に特に興味深いのが、Aardvarkが従来の運用システムが使う観測データのわずか8%程度しか取り込んでいないにもかかわらず、複数の変数・予報期間において、実運用されている数値予報システム（米国のGFS）と同等か、それを上回る精度を達成している点だ。

さらに、地点ごとのローカル予報（気温や風速）についても、10日先までの予報でヨーロッパやアメリカの補正済み予報とほぼ互角の性能を示している。特筆すべきは、西アフリカや太平洋地域のような、十分な予報インフラを持たない地域において、Aardvarkが既存の補正済み予報を明確に上回る結果を出している点だ。予報インフラが手薄な地域ほど、この技術の恩恵が大きいという構図は、実務的な価値の面でも意義深い。

「1秒」対「1000ノード時間」という圧倒的な速度差

論文が強調するもう一つのポイントが、計算コストの劇的な違いだ。観測データから完全な予報を生成するのに、Aardvarkは4基のGPUでおよそ1秒しかかからない。これに対し、ヨーロッパの主要な数値予報システム（HRES）がデータ同化と予報生成だけで要する計算資源は、約1,000ノード時間（複数の計算ノードを1,000時間分使うのに相当する計算量）に達するという。地域別の後処理まで含めれば、この差はさらに開く。

この速度差は単なる自慢話ではなく、実務上の意味を持つ。予報を高速かつ安価に生成できるということは、特定の地域や特定の目的（農業、保険、再生可能エネルギーなど）に合わせてモデルを丸ごとチューニングし直す、というこれまで現実的でなかった運用が視野に入ってくる、ということだ。実際に論文では、地域や変数を絞ってモデル全体をエンドツーエンドで再調整すると、気温予測の誤差が最大6%改善したと報告されている。著者らは、この改善幅が「ECMWF（欧州中期予報センター）が大規模な研究チームで1年以上かけて達成する改良幅に匹敵する」と控えめに、しかし力強く指摘している。

限界も率直に書かれている

論文の考察部分では、限界も丁寧に述べられている。Aardvarkは現時点では、最先端の運用システム（IFS）と同じ空間解像度では動いておらず、また複数の予報を束ねた「アンサンブル予報」（不確実性を織り込んだ確率的な予報）にはまだ対応していない。さらに、これまで学習データが存在しない新しい観測機器のデータをどう統合していくかも、今後の課題として挙げられている。

それでも著者らは、Aardvarkを「エンドツーエンドの天気予報システムという新しい世代の先駆け」と位置づけている。コードと学習済みモデルはGitHubで公開される予定で、追試や発展的な研究がしやすい形になっている点も好感が持てる。

研究者として思うこと

天気予報という、何十年もかけて磨き上げられてきた巨大な工学システムを、たった1つの比較的軽量なモデルに置き換えてみせる——この発想の大胆さと、それを実際にNature誌の査読を通る水準まで仕上げた実行力の両方が、この論文の読みどころだと思う。派手な「AIが天気を予測した」という見出しの裏に、データ同化という最難関の工程まで踏み込んだ地道な技術的挑戦があったことは、ぜひ知っておいてほしいポイントだ。