CycloneMAE：大域的な熱帯低気圧確率予報のためのスケーラブルなマルチタスク学習モデル
arXiv cs.LG / 2026/4/15
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文では、多モーダルデータから転移可能な表現を学習することで、大域的な熱帯低気圧の確率予報を目指すスケーラブルなマルチタスク学習モデル「CycloneMAE」を提案している。
- TC（熱帯低気圧）構造を考慮したマスク付き自己符号化器（masked autoencoder）と、事前学習／微調整（pre-train/fine-tune）の枠組み、さらに離散的な確率グリッディング機構を用いることで、決定論的予報と較正された確率分布の両方を出力する。
- 5つの海域盆地にわたって、CycloneMAEは、気圧・風の予報において最大120時間、進路（トラック）の予報において最大24時間まで、主要なNWP（数値天気予報）システムよりも良好な性能を示すと報告されている。
- 統合勾配（integrated gradients）を用いた帰属（attribution）研究では、モデルの意思決定が物理的に解釈可能であることが示唆されており、短期予測では熱帯低気圧内部の対流コアに焦点が当たり、長期予測では環境要因へと重心が移る。
- 著者らは、この枠組みを、業務で有用な確率的・解釈可能・スケーラブルなTC（熱帯低気圧）予報に向けた道筋として位置づけている。
