長距離蒸留：10,000年分のシミュレーション気候を長期間ステップAI気象モデルに蒸留

この論文は、AIを用いた長距離天気予報の課題に取り組んでいます。 "長距離蒸留"と呼ばれる新しい手法を導入し、訓練データと自己回帰モデルの不安定性の問題を克服します。その核心は、短時間ステップの自己回帰"教師"モデルを使用して大規模な合成データセットを生成し、それを使用して直接長距離予報が可能な長時間ステップの"生徒"モデルを訓練することです。このアプローチにより、従来の再解析データセットよりもはるかに多くのデータで訓練することができ、長距離予報のパフォーマンスと安定性が向上します。この論文の重要性は、AIが生成した合成データが効果的に予測スキルをスケールできることを実証しており、AIベースの天気予報を進歩させる有望な道筋を提供している点にあります。

• •長期間ステップAI気象モデルを訓練するための「長距離蒸留」を導入。
• •短期間ステップの「教師」モデルを使用して大規模な合成データセットを生成。
• •長距離予報におけるパフォーマンスと安定性の向上を実証。
• •AIが生成した合成データが予測スキルをスケールできることを示しています。