気象AI「Aurora」を大気の化学反応へ拡張　排出量を変えた計算も検証

ニュースの要点

大気の成分と光の変化を一緒に学び、排出条件への応答を調べた研究です。既存モデルとの再現比較に加え、同じ年の条件を繰り返す長期計算も検証しています。

論文の原図。UKCAのデータでAuroraを学習し、長期間の計算、排出条件の変更、衛星観測の学習へ分けて検証する流れを示しています。 — 画像の権利情報
James Weber・Makoto Kelp, arXiv:2610.22555v1, Figure 1／CC BY 4.0。原図の構図を保持。 Creative Commons Attribution 4.0 International

レディング大学のJames Weber氏とユタ大学のMakoto Kelp氏が、気象AI『Aurora』を大気の化学反応と気候の計算へ応用した研究を公開しました。10月15日付の査読前論文で、大気化学・気候モデル『UKCA』の計算結果を追加学習し、気象、大気成分、微粒子、放射を一緒に計算しています。

大気中では、排出された物質が風で運ばれ、化学反応で姿を変えます。できたオゾンや微粒子は、空気の状態や地表へ届く光にも関わります。研究では、こうした結び付きのある計算をAIに学ばせました。1日ずつの再現評価では、調べた27項目のうち23項目で、対流圏と成層圏の双方においてUKCAとの一致度を表すR2が0.85以上でした。

1年分に当たる358ステップの実行時間は、NVIDIA GH200のGPU1基で約5.5分でした。比較したUKCAはCPU576コアで約9.5時間を要し、実行時間に約100倍の差が出ています。論文は、異なる機器で計った実行時間の比較として示しています。

長期間の安定性は、2014年の同じ1年分の境界条件を繰り返す方法で調べました。50年相当の計算でも季節の変化が安定して続いたと報告しています。排出量と気候が年ごとに変わる条件での長期評価は、次の研究課題に位置付けています。

追加の実験では、排出量を変えた計算を学習させ、オゾンや日射がどう変わるかも調べました。一酸化窒素の変化に対するオゾンの応答などを再現し、よりゆっくり作用する一酸化炭素や黒色炭素の影響では、学習に使う期間や対象物質を広げる課題が見えました。衛星のオゾン観測を学習する別の実験も行い、緯度帯ごとに平均した分布を改善しています。

このニュースをやさしく解説

要点

気象AIに、空気中の化学反応や光の変化を一緒に学ばせる研究です。

空気の成分と天気を一緒に計算する

空気の変化を調べるには、風で物質がどこへ運ばれるかと、運ばれる途中で何に変わるかを一緒に考えます。化学反応で生まれたオゾンや微粒子は、地表に届く光にも関わります。天気、空気の成分、光の変化がつながっているため、一つの物質だけを追うより計算が複雑になります。

今回のAIはその複雑な計算をするUKCAの出力から、大気が日ごとにどう変わるかを学びました。学習後は気象や大気成分などをまとめて計算します。研究でまず確かめたのは、UKCAが計算した変化をどれほど再現できるかです。物理や化学の研究を積み重ねたモデルを手本にして、同じような変化を速く求める仕組みです。

速く計算すると何が変わる？

速さの違いは条件を変えて試す回数に関わってきます。研究では、学習を終えたAIがNVIDIA GH200のGPU1基で1年分を約5.5分で計算し、CPU576コアを使ったUKCAでは約9.5時間かかりました。この異なる機器での比較では、実行時間に約100倍の差があります。計算の待ち時間が短くなれば、研究者は一つの結果を調べたあと、排出量などの条件を変えて次の計算を試しやすくなります。

排出量を変えたときの反応も調べる

そこで大切になるのが、排出量を変えたときの反応です。研究では別の追加学習で、物質の排出量を変えた計算をAIに学ばせ、オゾンや地表への日射がどう変わるかを調べました。一酸化窒素の変化に対する応答は比較的よく再現でき、一酸化炭素や黒色炭素の影響にはずれが残りました。対策の効果を比べる道具へ育てるには、こうした物質ごとの反応を学べるデータが必要になります。

50年相当の試験はどう行った？

計算を長く続けたときの安定性も調べています。2014年の1年分の境界条件、つまり計算の外側から与える条件を繰り返し使い、50年相当まで計算を続けました。同じ季節の巡りを与えたときに、AIが季節変化を安定して再現し続けるかを見る試験です。年ごとに排出量や気候が変わる条件へ検証を広げることが、次の研究課題です。

この記事に出てくる用語を確認する

UKCA: 気象と大気中の化学反応、微粒子などを組み合わせて計算するモデルです。

解説の参考資料

Weber・Kelp：大気化学・気候計算の原論文（査読前） ↗

本誌の考察

この研究から想像できるのは、街の環境対策を、いくつもの未来を見比べながら選ぶ暮らしです。計算が速くなると、試せる対策の組み合わせを増やせます。今後、年ごとに変わる排出条件でも再現性を確かめられれば、研究者は排出量の減らし方や時期を変え、空気の成分と日射への影響を繰り返し調べられるでしょう。

たとえば自治体がバスの電動化と工場設備の更新を進める未来を考えてみます。それぞれの計画を排出量の変化に置き換え、片方を先に進める案、両方を少しずつ進める案などを計算にかけます。AIで広く候補を探し、有望な案を詳しい物理モデルで調べる使い方も考えられます。研究者が比較できる案が増えれば、自治体は実行前に、複数の道筋を相談しやすくなります。

さらに地域を細かく扱うモデルと観測データにつながれば、その比較を住民にも見せられるかもしれません。街の説明会で、いくつかの対策案を選ぶと、季節ごとの空気の変化が地図に重なって現れます。通学路や自宅の周辺を見ながら、どの地域に変化が表れるか、別の案ではどうなるかを研究者に聞けます。環境計画の数字を、自分が歩く街の将来として考えられるようになります。

空気は風で運ばれるので、こうした道具を隣の自治体と共有する未来も面白そうです。一つの街が排出量を変えた案と、周辺の街も一緒に変えた案を比べられれば、複数の街で設備を更新する順番も相談しやすくなります。気象と大気の化学反応を一緒に扱う計算が使いやすくなれば、行政区画をまたいで空気の変化を考える共同作業へと広がるでしょう。

その先には対策を実行したあとの観測を取り込み、次の計画を練り直す街も想像できます。新しいバスが走り始め、工場の設備が切り替わるたびに、実際の空気と計算を照らし合わせます。その結果で次の候補を絞り、また街を変えていきます。大気の計算が速くなることは、暮らす人が自分たちの選択と空気の変化を確かめながら、街の未来をつくる機会を増やすのかもしれません。