ペンシルベニア州立大学の研究者たちは、洪水を正確に予測し、世界規模で水資源を管理できる革新的なAI搭載水文モデルを開発しました。AIと物理ベースのモデリングを組み合わせたこのツールは、特に発展途上地域における水管理に革命をもたらすことが期待されています。
異常気象がますます頻発する現代において、ペンシルベニア州立大学による画期的な開発が希望の光となる。研究者たちは、世界規模で洪水を予測し、かつてない精度で水資源を管理するために設計された、AIを活用した水文学モデルを発表した。
洪水関連災害は急増しており、現在では世界全体の気象災害の最大40%を占めています。国連防災機関（UNDRR）の最近の報告書によると、こうした災害の発生頻度は2000年以降2倍以上に増加し、世界の洪水による損失は年間平均3,880億ドルに上ります。同時に、干ばつの発生範囲は拡大し、被害も拡大しています。
これらの課題に対応するため、ペンシルベニア州立大学のチームは、人工知能と物理ベースのモデリングを統合したモデルを開発しました。
この二重アプローチは研究で説明されている 公表 Nature Communications誌に掲載されたこの研究は、水資源の管理、洪水リスクの軽減、作物の計画、生態系の保護に役立つ信頼性の高いデータを地域社会に提供します。
「このモデルは地球規模の水文学にとって画期的なものです」と、ペンシルベニア州立大学の土木環境工学教授で責任著者のチャオペン・シェン氏はニュースリリースで述べています。「地球規模のカバー範囲、高精細な解像度、そして高品質により、地球規模のモデルが地域規模の水管理と洪水予測に真に役立つ可能性が高まります。地球規模の衛星ミッションに強力な事前水文学的知識を提供することができます。また、これまでこうしたサービスが不足していた発展途上地域にも実用的な支援を提供することができます。」
モデルの解像度は、世界中で 36 平方キロメートル (14 平方マイル) ほどの小さな領域をシミュレートし、より詳細なデータのある地域では 6 平方キロメートル (2.5 平方マイル) まで拡大するように設定されています。
このモデルはすでに、気候変動による河川、地下水、地形間の水バランスの変化など、重要な洞察を明らかにしている。
例えば、ヨーロッパでは河川流量が減少し、河口域の淡水が減少し、塩分濃度が上昇し、生態系が変化しています。このモデルはこうした水文学的変化をうまく捉えており、その精度と実用化への可能性を浮き彫りにしています。
このモデルの特徴は、ニューラル ネットワーク (人間の脳のように学習するように設計された AI) と、数式と物理法則に基づく物理学ベースのコンポーネントを組み合わせた点です。
「このエンドツーエンドのアプローチは、特に物理ベースの部分が基本的な動作を保証するデータが少ない領域において、はるかに堅牢です」とシェン氏は付け加えた。「ニューラルネットワークはビッグデータから学習し、既に観測したデータ内のギャップを埋めるのに優れていますが、その範囲を超えた予測はそれほど得意ではありません。だからこそ、特にグローバルパターンを観測する場合、システムの実際の動作の物理的性質に基づいたプロセスベースのモデルとニューラルネットワークを組み合わせることが非常に重要なのです。」
シェン氏は、異なる地域に合わせてモデルパラメータを微調整するために従来必要だった手作業を減らすことで、新しい機械学習アプローチによって効率が大幅に向上すると強調した。
「従来の手法は遅く、適用範囲が限られており、実世界のデータから直接学習することができませんでした」とシェン氏は付け加えた。「パラメータのキャリブレーションは、まさに汗水たらしての作業でした。微分可能プログラミングによって、結合ニューラルネットワークは観測からのフィードバックを用いて学習しながら、パラメータを自動生成できるようになりました。」
シェン氏によると、この画期的な成果は、世界中の水利用、灌漑、洪水管理、生態系保護に関する意思決定に影響を与えると期待されている。今後のアップデートには、水質監視、栄養塩追跡、地下水3Dマッピングが含まれる可能性がある。
出典： ペンシルバニア州立大学