ニューラルネットワークを用いた海洋循環の高速シミュレーション（Accelerating Climate Modeling at a Lower Cost）

NYUでは、物理ベースの気候モデルと機械学習技術（AI／ML）を統合する手法により、従来の高コストなシミュレーションをより効率的に実行できる可能性を探っている。具体的には、低解像度モデルや粗格子モデルの出力を補正する「データ駆動型補正モデル」を導入したり、モデルのパラメータ化スキームを学習させたりするアプローチが検討されている。これにより、シミュレーションの計算時間・資源を抑えながら、気候予測の精度や解像度を維持あるいは向上させることを目指す。こうした研究は、気候変動予測を幅広いスケールで展開するうえでの実用的限界を克服する一助になると期待されている。