開発の視点から見たデータ駆動型天気予測と気候モデル

正確で迅速な天気予測と気候モデルは、人類の発展における普遍的な目標です。数値天気予測（NWP）は依然として基準ですが、大気の内在的不確実性や計算コストなどの課題に直面しています、特にポストムーア時代において。この深層学習の登場により、データ駆動型モデルを通じてこの分野は革命を迎えました。本論文では、データ駆動型天気予測と気候モデルにおける主要モデルと重要な発展をレビューします。データセット選択、モデル設計、トレーニングプロセス、計算加速、予測効果などの側面をカバーし、これらのモデルの概要を提供します。再解析データに基づいて訓練されたデータ駆動型モデルは、空間解像度0.25°で最大15日間、0.6以上の精度（ACC）をもって効果的な予測を提供できます。これらのモデルは、最も進んだNWP手法と90%の変数において互角以上の性能を発揮し、予測生成時間を数時間から数秒に短縮します。データ駆動型気候モデルは数十年から100年間の気候パターンを信頼性高くシミュレーションでき、計算の節約と競争力のある性能を提供します。利点にもかかわらず、データ駆動型手法は解釈の難しさ、モデルの不確実性の評価における課題、極端なケースでの保守的な予測といった限界があります。今後の研究は、より大規模なモデル、物理的制約の統合、評価方法の改善に焦点を当てるべきです。