中距離グローバル気象予測のスキル習得

グローバル中距離気象予測は、多くの社会的および経済的分野における意思決定にとって重要です。従来の数値気象予測は、予報精度を改善するために計算リソースを増やして使用しますが、基盤となるモデルを改善するために歴史的気象データを直接利用することはありません。ここでは、再解析データから直接トレーニングされた機械学習ベースの手法であるGraphCastを紹介します。これは、次の10日間の数百の気象変数を、全球で0.25°の解像度で1分未満で予測します。GraphCastは、1380の検証ターゲットの90%において、最も正確な運用決定論システムを大きく上回る成績を収めており、その予報は熱帯サイクロンの追跡、大気河川、極端な温度を含む重大なイベント予測を支援します。GraphCastは、正確で効率的な気象予測における重要な進展であり、複雑な動的システムのモデル化における機械学習の可能性を実現するのに役立ちます。