【気象予測 × 生成AI】気候変動の検知・気象予測をリアルタイムに行う大規模物理モデル：Jua

気象予測は従来、気象観測・スーパーコンピュータによる数値シミュレーション・予報官による解析の3ステップを踏むことで行われてきました。

まず、静止気象衛星や気象レーダー、（日本であれば）全国1,300箇所に配置された地域気象観測システムなどから、大気の状態や雲の分布・降水量・気温・湿度・日照時間などのデータを観測します。次に、スーパーコンピュータを用いて今後の大気や海洋の変化を数値シミュレーションします。予報官はそれらのシミュレーション結果を解析し、最終的な天気予報を行う、という流れです。

このような従来の数値天気予報は、緯度経度が0.1度単位の高解像度で予報ができる一方で、10日間の予報を行う中期気象予測の場合には、数値天気予報の計算量が膨大であることから計算に数時間を要します。

GoogleのDeepMindは、大規模な気象予報AIモデルを使用することで、中期気象予測の計算時間をわずか1分で完了できるように短縮し、計算に使うエネルギー消費量も従来の数値天気予報の1000分の1にすることに成功しています。

（引用：気象予報AIはスパコンの天気予報より優秀？　Google関連会社の10日間予報が精度とスピードで圧倒）

今回は、こうしたGoogleの気象予測モデルとの違いも踏まえながら、気候変動の検知や気象予測をはじめとした、自然界の大規模物理モデルを開発する Jua というスタートアップを紹介します。

Google DeepMindのAI気象予測モデル「GraphCast」

AIを用いた気象予測モデルとして最も代表的なものは、Googleの人工知能部門であるDeepMindの研究者らにより開発されたAI気象予測モデル、「GraphCast」です。

GraphCastは2023年9月、大西洋対岸地域にハリケーン「リー」が上陸することを予報し、1週間後の9月16日に予報を的中させました。

当時の天気予報では、ハリケーンの上陸が少なくとも10日後に見込まれており、上陸ポイントに関しても北東部の主要都市もしくは完全に外れたポイントに上陸するだろう、という曖昧な予測しかできていませんでした。一方でGraphCastは、当時の天気予報の予想上陸ポイントよりもずっと北方の地点を予測していましたが、結果としてはハリケーンの上陸地点をピンポイントで指定することに成功しました。（引用：https://wired.jp/article/google-deepmind-ai-weather-forecast/ ）

（引用：https://deepmind.google/discover/blog/graphcast-ai-model-for-faster-and-more-accurate-global-weather-forecasting/ ）

大規模物理モデルを開発するJuaの概要

Juaはスイスに拠点を置く、高精度の気象予測を実現する「大規模物理モデル（Large Physics Model）」を開発するスタートアップです。2024年2月5日に1,600万ドル（約24億円）の資金調達を発表していることもあり、勢いのあるスタートアップと言えるでしょう。

大規模「物理」モデルと名付けているのは、Juaが気象予測に留まらないユースケースを見据えているためであり、ここにGoogle DeepMindが提供するGraphCastとの違いがあります。

Juaが学習しているデータセットには、過去の気象予報と結果のデータセットだけではなく、自然界の物理法則も含まれており、どちらかというと後者の方に重きが置かれています。これにより気象予報以外にも、エネルギーや化学物質などの物質を扱う分野への応用が期待されます。

そのため、「Juaが最初に取り組んでいる課題は気候変動の検知や気象予測であるものの、後々には農業や保険・運輸・政府などの企業・公的機関が主要顧客になるだろう」とCEOのAndreas Brenner氏は言います。

米国国立環境情報センターによると、2023年は気候災害の数が最高水準の年であり、その結果数百億ドルの損害が発生しました。こうした現状から、業界問わず物理世界に存在するものを扱う企業（再生可能エネルギーを扱う電力会社、気候の影響を受ける農業関連会社、災害計画団体、航空会社など）のニーズが高まっているようです。

（引用：https://techcrunch.com/2024/02/05/jua-raises-16m-to-build-a-foundational-ai-model-for-the-natural-world-starting-with-the-weather/ ）

またJuaの大規模物理モデルは、GraphCastと比較して20倍のトレーニングデータ量を誇ります。OpenAIの大規模言語モデル「GPT」と比較しても、GPT-3が約45テラバイト、GPT-4が約1ペタバイト（1000テラバイト）のトレーニングデータが使用されているのに対し、Juaの大規模物理モデルは約5ペタバイトのトレーニングデータが使用されています。

Juaの大規模物理モデルが提供する機能

サービスページでは、Juaの大規模物理モデルの特徴や、大規模物理モデルの活用方法が説明されています。

Jua：サービスページ

大規模物理モデルの特徴

16日間の天気予報

高度100m地点における風力情報や、正確な気温の予報が必要な場合など、エネルギー取引に必要な全ての情報をパラメータとして考慮した上で、最大16日間予測することが可能です。

数百万の新しいデータポイントの活用

既存のモデルは、相関のないデータも学習されている一方で、Juaは予測精度を向上させるために、数百万の新しいデータポイントがトレーニングデータとして使用されています。

今までにない時間精度

今までの気象予測にはないほどの時間精度で、重大な気象現象が起こるタイミングを正確に特定することができます。

極めて高い気象予測精度

何百万もの新しいデータポイントにより、時間精度だけでなく気象予測の精度も向上しています。特定の気象イベント（嵐や竜巻、土砂崩れや洪水など）の規模も正確に計測することができます。

独自のAIと新しいデータ

Juaは、サードパーティ気象モデルに依存した従来の予測方法とは、一線を画しています。ペタバイト規模の一次データを活用した大規模物理モデルにより、独自のデータから独自の考察を引き出すことが可能です。

（引用：https://www.jua.ai/ ）

Juaの提供するソリューション

最適化された電力とその需要の予測

天候に依存する電力とその需要の予測精度が向上するため、どの地域にどの程度の電力を送電すれば良いかを、信頼性の高いデータに基づいて意思決定することが可能になります。

（引用：https://www.jua.ai/ ）

高精度の情報に基づき再生可能エネルギーを取引する

風力ランプの数を正確に検出する必要がある場合や、ある集水域（雨が降って流れ込む場所の範囲）までの降水量を把握する必要がある場合など、複雑な要件でも精度高く予測ができます。

これにより、各エネルギーの取引量や値段を正確に把握した上で取引を行うことが可能です。

（引用：https://www.jua.ai/ ）

クリティカルな気象予測の早期特定

嵐や大幅な気温低下など、重大な気象現象を早期に特定できます。エネルギーインフラに大きな影響を与える可能性のあるイベントを予測することが可能なため、災害による被害の軽減などに役立ちます。

（引用：https://www.jua.ai/ ）

まとめ

Juaはペタバイト規模の気象予測データや物理法則データを学習させることで、高精度の気象予測を実現しており、エネルギー・農業など複数業界にも活用し得る大規模物理モデルを開発していることがわかりました。

しかし、Juaの資金調達額からもわかるように、特定領域に特化させたモデルを構築することは、大量のデータセットを用いたチューニングが必要となるため、膨大な資金が必要となります。

私たちは、比較的安価に大規模言語モデルに専門知識を埋め込む「RAG」という技術や、非構造・半構造のデータを構造化・正規化することに強みを持つ会社です。

それらの技術を活かしたプロジェクト組成やMVP開発のご支援も行っておりますし、「そもそもどのような業務に生成AIを活用できそうか」という上流工程から伴走することも可能です。「情報収集も兼ねて相談したい」というお客様も、お気軽にお問い合わせください。