参加型気象センシングにおける報酬配分のためのアトリビューション・プロキシの校正

Abstract

大規模なIoT気象センシングネットワークでは、参加を維持するためのインセンティブ機構が必要だが、個々のデータ貢献がネットワークにもたらす価値がどれほどのものかを特定することは未解決の問題である。既存のアプローチはデータ品質には対処しているがデータの価値付けには対応していない。運用気象学では、随伴（adjoint）ベースの手法が予報モデルそのものから価値を導くが、そのためには完全なデータ同化（data assimilation）インフラが必要となる。我々は、このギャップを埋めるために微分可能なAI気象モデルを利用し、候補となる価値シグナルとして、グリッド化されたGFS解析入力に対する勾配ベースの帰属（attribution）を特徴づけることを提案する。400を超える設定にわたって、忠実度（fidelity）、較正（calibration）、コスト、そしてゲーム可能性（gaming vulnerability）を評価する。帰属は、単調に忠実な支払いによって、準最適なセンサー配置の有用性を捉える。しかし、敵対的な入力によって価値が膨らむ可能性があり、その検出には外部のベースラインデータが必要となる。これらの知見は、勾配帰属が参加型気象センシングにおけるモデルに基づく報酬配分のための、計算的に検証されたシグナルであることを確立する。