研究者は、深層学習を使用して、大気中で氷の結晶がどのように形成されるかをこれまで以上に正確にモデル化しました。 彼らの 紙、今週 PNAS で公開された、天気と気候予測の精度を大幅に向上させる可能性を示唆しています。
研究者はディープラーニングを使用して、原子と分子の挙動を予測しました。 まず、原子内の電子がどのように相互作用するかを予測するのに役立つように、64 個の水分子の小規模なシミュレーションでモデルをトレーニングしました。 次に、モデルは、より多くの原子と分子を使用して、これらの相互作用をより大規模に複製しました。 チームが物理的および化学的挙動を正確に予測することを可能にしたのは、電子相互作用を正確にシミュレートするこの能力です。
「物質の特性は、電子がどのように振る舞うかから生じます」と、プリンストン大学のリサーチ フェローであり、この研究の筆頭著者であるパブロ ピアッジは言います。 「そのレベルで何が起こるかを明示的にシミュレートすることは、より豊かな物理現象を捉える方法です。」
この方法が、氷の核形成とも呼ばれる氷の結晶の形成と同じくらい複雑なものをモデル化するために使用されたのは初めてです。 これは雲の形成の最初のステップの 1 つであり、すべての降水はここから発生します。
この研究には参加していないテキサス A&M 大学の大気科学の教授である Xiaohong Liu は、すべての降水事象の半分は、雪、雨、みぞれのいずれであっても、氷の結晶として始まり、それがさらに大きくなり、降水につながると述べています。 研究者が氷の核生成をより正確にモデル化できれば、天気予報全体を大きく後押しする可能性があります。
氷の核生成は、現在、室内実験に基づいて予測されています。 研究者はさまざまな実験室条件下での氷の形成に関するデータを収集し、そのデータは同様の現実世界の条件下での気象予測モデルに入力されます。 この方法は十分に機能する場合もありますが、実際の気象条件に関連する変数の数が非常に多いため、不正確になることがよくあります。 実験室と実際の環境では、いくつかの要因が異なるだけで、結果が大きく異なる可能性があります。
「あなたのデータは、特定の地域、温度、または実験室の設定の種類に対してのみ有効です」と Liu 氏は言います。
電子の相互作用から氷の核生成を予測する方がはるかに正確ですが、計算コストも非常に高くなります。 研究者は、少なくとも 4,000 ～ 100,000 個の水分子をモデル化する必要があり、スーパーコンピューターでさえ、そのようなシミュレーションを実行するには何年もかかる可能性があります。 それでも、100 ピコ秒または 10 ピコ秒の相互作用しかモデル化できません。-10 秒 – 氷の核生成プロセスを観察するには十分ではありません。
しかし、ディープ ラーニングを使用することで、研究者はわずか 10 日間で計算を実行することができました。 継続時間も 1,000 倍長くなりました。これはまだ数分の 1 秒ですが、核生成を見るには十分です。
もちろん、氷の核形成のより正確なモデルだけでは完全な予測にはなりません、と Liu は言います。 他の側面も重要です。たとえば、水滴や氷の結晶がどのように成長するか、さまざまな条件下でそれらがどのように移動し、相互作用するかを理解することです。
それでも、大気中で氷の結晶がどのように形成されるかをより正確にモデル化できれば、天気予報、特に雨や雪が降る可能性とその程度に関する予測が大幅に改善されるでしょう。 また、地球の気温に複雑な影響を与える雲をモデル化する機能を改善することで、気候予測にも役立つ可能性があります。
Piaggi 氏は、将来の研究で、空気中に煙のような物質が存在する場合の氷の核形成をモデル化し、モデルの精度をさらに向上させる可能性があると述べています。 深層学習技術のおかげで、電子相互作用を使用してより大きなシステムを長期間モデル化できるようになりました。
「これにより、本質的に新しい分野が開かれました」と Piaggi 氏は言います。 「それは、化学のシミュレーションや材料のシミュレーションにおいて、すでに大きな役割を果たしています。」