U-Cast: 驚くほどシンプルで効率的なフロンティア確率的AIによる天気予報

要旨: AIベースの天気予報は、従来の物理ベースのアンサンブルに今や匹敵する性能を持つ一方で、最先端（SOTA）モデルは専門的なアーキテクチャと莫大な計算予算に依存しており、参入のハードルが高くなっています。我々は、最前線の性能にそのような複雑さは不要であることを示します。標準的なU-Netバックボーンに基づいて構築された確率的予報器であるU-Castを導入します。学習は単純なレシピで行います。すなわち、まずMean Absolute Error（平均絶対誤差）に対する決定論的な事前学習を行い、その後、確率性を導入するためのモンテカルロ・ドロップアウトを用いて、連続ランク付け確率スコア（CRPS）に対する短時間の確率的ファインチューニングを実施します。その結果、我々のモデルは、1.5^\circ\\$ の解像度で、GenCastおよびIFS ENSの確率的スキルに一致、またはそれを上回りつつ、トレーニング計算を主要なCRPSベースのモデルと比べて10 imes以上削減し、推論レイテンシも拡散ベースのモデルと比べて10 imes$以上削減します。U-Castは12 H200 GPU-day未満で学習でき、60ステップのアンサンブル予報を11秒で生成します。これらの結果は、スケーラブルで汎用的なアーキテクチャと効率的な学習カリキュラムを組み合わせることで、コストの一部で複雑な領域特化設計に匹敵できることを示唆しており、最前線の確率的天気モデルの学習をより幅広いコミュニティに開くものです。コードは以下で公開しています: https://github.com/Rose-STL-Lab/u-cast。