米国の科学者がAIを使って沿岸洪水を予測
米国人口の半数以上は、国内総生産の58%を生み出す沿岸都市や郡に住んでいます。こうした沿岸コミュニティとインフラは、熱帯低気圧、ハリケーン、豪雨による強風や洪水に特にさらされやすい状況にあります。
人工知能と機械学習（AI/ML）の手法を用いて、ルイジアナ州立大学（LSU）コンピュータサイエンス学部のハートムート・カイザー教授は、洪水への備えを高め、その影響を緩和するための取り組みを進めています。
カイザー氏はLSUコンピューティング・技術センターの上級研究員でもあり、テキサス大学オースティン校（クリント・ドーソン）、ノートルダム大学（ヨアネス・ウェステリンク）、ローレンス・バークレー国立研究所（ルビー・レオン）の研究者グループとともに、本プロジェクトの共同研究者となりました。
このプロジェクトは、エネルギー省の先進科学計算研究局が資金提供する3つのプロジェクトの一つで、各プロジェクトは3年間で1,510万ドルを受け取ります。
「このプログラムで生まれたような学際的な協力は、多様な知識、スキル、ツールを新たな形で組み合わせ、数多くの重要な課題に取り組むことで、将来の科学的発見への道を開きます。これらのプロジェクトは、米国の大きな課題の解決に取り組みながら、研究施設の科学的生産性を革新する可能性があります」
MuSiKAL（AI/MLによるマルチフィジックスモデリングと知識発見）と名付けられたプロジェクトにおいて、カイザー氏とそのチームは次の作業を行います：
- エネルギー省の地球システムモデル（ESM）をエクサスケール規模で、高解像度のマルチスケール・マルチフィジックス沿岸循環モデルと統合します
- 連携したESM向けに、AI/MLを活用した高精度のデジタルツイン（DT）を開発し、洪水予測と緩和計画の遅延を減らします
- AI/MLに基づく科学データ収集と、ウェブベースの可視化プラットフォームを開発し、実験者とコンピュータサイエンティストをつなぎ、DTを用いて現地および衛星からのデータを継続的に収集します
- メキシコ湾に焦点を当てた包括的なデータセットを用いて、MuSiKALの多面的な機能とワークフローを実証します。データ収集の共同設計、洪水モデリングの共同分析、モデルデータの継続的な統合と学習において、複数の利害関係者の連携を重視します
「テキサス、ルイジアナ、ミシシッピに沿ったメキシコ湾岸は、米国の重要なエネルギー拠点の所在地である一方、社会的に脆弱な人々も暮らしています。今回の取り組みは、科学と知識を活用して洪水被害を最小限に抑え、地域の社会経済的安定を高めることに貢献します」
最終的に、MuSiKALプロジェクトは、エネルギー省先進科学計算研究の統合計算・データ基盤プログラムに大きく貢献します。FAIR原則（発見可能性、アクセス可能性、相互運用性、再利用性）に従い、拡張性と分散性を備えたデータ保存・管理プラットフォームを構築し、実験者とコンピュータサイエンスの研究者が緊密に連携できる、一体化されたモデル駆動型DTプラットフォームを導入します。
「すべての米国民の幸福は、海洋、沿岸、沿岸流域の環境的な健全性と持続可能な生産性に依存しています。既存の沿岸洪水予測能力は、ESMにおける沿岸プロセスの不十分な表現、特に沿岸災害に関する点で制約があり、また実験者・分野専門家とコンピュータ科学者の間で双方向の情報伝達を容易にする自動化されたワークフローが欠けています。本研究は、多様なデータと分散・並列計算資源をほぼリアルタイムで統合し、AI/MLの手法と組み合わせて沿岸災害予測能力を大幅に向上させるDTフレームワークの開発を目指します」
LSUの科学者は、天気や自然災害の予測に人工知能を使う最初のグループではありません。2021年5月、米国国立大気研究センター（NCAR）は、従来の気象モデルでは予測が難しい嵐中の雹、竜巻、強風を予測するAIシステムを開発しました。情報はインターネット上で自由に公開され、1日2回更新されています。
2021年9月、英国のDeepMind研究所は、今後90分以内の降雨確率を正確に予測する深層学習ツールDGMRを開発しました。研究者らは、多くの国の気象機関が定期的に公開しているレーダーデータを用いてAIを訓練しました。例えば英国では、5分ごとに新しい観測値が公開されています。
