AIMIPの紹介：AI気象・気候モデル相互比較プロジェクト

AIMIP（AIモデル相互比較プロジェクト）は、Ai2が主導するコミュニティ主導の取り組みで、AI気候モデルの厳格な評価基準を確立することを目的としています。このプロジェクトには、NVIDIA、Google Researchなど複数の研究グループが参加し、共通のベンチマーク実験とデータセットを設計し、統一された出力と評価基準で異なるシステムを比較できるようにしました。

AI気候モデルは、AI天気予報の急速な発展を基盤とし、ERA5の歴史気象データを訓練に使用して、従来の物理モデルと比較して格段に低い計算コストで気候をシミュレートします。しかし、短期予測とは異なり、長期気候シミュレーションには海氷や海洋の変化の処理、さまざまな温室効果ガス排出シナリオの評価など特有の課題があります。従来の気候モデルは数十年から数世紀にわたって物理法則に基づき気候をシミュレートしますが、計算需要が非常に高く、限られた機関しか実行できません。AIMIPは、AIモデルに標準化された評価フレームワークが欠けていることを補うために生まれました。

AIMIPフェーズ1では、1979年から2024年までの全球大気状態を月次および日次で予測するベンチマーク実験を設計しました。訓練データは1979～2014年のERA5観測に限定し、残りの10年間をテストデータとしています。モデルは、7つの大気レベルの温度、湿度、風速、および地表の気温や降水量などを出力する必要があります。参加機関はAi2、ArchesWeather、NVIDIA、ワシントン大学、メリーランド大学、Google Researchで、合計8つのモデルシミュレーションが提出されました。

評価の結果、AIモデルは平均的な歴史気候パターンのシミュレーションに優れ、従来の物理モデルに比べ誤差が半分程度に低減しました。しかし、訓練期間外の長期温暖化傾向の捕捉ではモデル間でばらつきが見られ、一部は正確に追跡する一方、有意に過小評価するものもありました。また、エルニーニョ応答、日々の変動、および全球海洋を2～4℃瞬間昇温させる極端シナリオにおいて、モデル予測は大きく乖離し、物理的に非現実的な結果を生じるケースもありました。これはAIモデルが未見のシナリオへの一般化に根本的な課題を抱えることを示しています。

AIMIPフェーズ1のデータセットは、ドイツ気候計算センター（DKRZ）を通じてホストされ、地球システムグリッド連盟（ESGF）への公開が計画されています。プロジェクトの成果は、AI気候モデルの核心的な問題、すなわち多様な気候シナリオへの堅牢な応答の必要性を明らかにしました。今後のフェーズでは、海洋と海氷を含む結合モデリング、より広範な温室効果ガス排出経路、およびより複雑な出力要件への拡大が予想されます。

AIMIPは、AI気候モデルの評価に堅固な基盤を提供し、異なるアプローチの比較や改善点の特定に役立ちます。研究者は、AI気候モデルの進歩に伴い、このプロジェクトがより信頼性が高く効率的な気候予測ツールの開発を促進することを期待しています。