気候：架空の排出シナリオで学習するAI
· BehindLines 編集部
マサチューセッツ工科大学（MIT）の研究者らが、通常の数分の一のデータで、気候予測用の人工知能モデルをより速く学習させる手法を開発しました。MITは2026年11月12日にこの研究を紹介し、今週『米国科学アカデミー紀要』（Proceedings of the National Academy of Sciences）に掲載されると説明しています。プレプリントサーバーarXivにも原稿があり、2026年6月17日に投稿され、9月29日に改訂されたもので、MITの発表より数か月早く、arXivのページには掲載誌の記載がありません。
数か月分の計算を置き換える「エミュレーター」
長期の気候予測は、非常に詳細ですが負荷の大きい地球システムモデルに頼っています。MITによると、起こりうる未来を一つ計算するだけで、スーパーコンピューターのクラスターで数か月かかることがあります。「エミュレーター」はその挙動を模倣するAIモデルで、数秒で動作するため、MITによれば数千のシナリオを試すことができます。
現実的なシナリオの欠点
通常、エミュレーターは6〜8本の現実的な排出経路で学習させ、それぞれ参照モデルを最後まで1回実行する必要があります。MITは、こうしたシナリオでは未経験の状況に対する性能が低いエミュレーターになることを研究者らが確認していたと伝えています。arXivの研究要旨は、この性能の上限を、従来のシナリオの構造的な多様性の低さに結びつけています。
特別に作るデータセット
筆頭著者で、現在はETH Zurichのポスドクを務めるChristopher Womackらは、最適化された合成シナリオの組を生成するアルゴリズムを考案しました。MITによると、このアルゴリズムは、単純で高速な気候モデルで作った任意のシナリオから出発し、エミュレーターと参照モデルの差を測り、誤差が閾値に達するまでデータを反復的に更新します。結果は、もっともらしい未来には似ていません。軌道には急な変動があり、たとえばアルゴリズムは2050年にCO2を大きく増やしたり、2037年にメタンを急減させたりすることがあります。Christopher Womackによれば、こうした急速な振動のおかげで、エミュレーターは系全体についてはるかに多くの情報を引き出せます。
そうなると、完全なモデルの実行は6回や8回ではなく1回で済みます。arXivの要旨によると、単純な気候モデルでは、最適化した1本のシナリオで学習したエミュレーターが、標準的な6本の経路（ScenarioMIP）で学習したものを上回ります。著者らはさらに、この単純なモデルで最適化したシナリオを、中程度の複雑さのモデルの駆動に使うと、ScenarioMIPの出力より性能の高い学習データが得られると付け加えています。MITによれば、この方法で学習したエミュレーターは、ある汚染物質を減らしつつ他の排出が増え続ける地域政策の効果も予測でき、評価された従来のエミュレーターにはそれができませんでした。
なぜ重要か
この研究の責任著者であるNoelle Selinによると、エミュレーターの学習には数か月から数年かかることがあり、利用できるツールはしばしば古くなっています。この手法でその期間が短縮されれば、状況を一変させうると彼女は見ています。Christopher Womackは、こうした高速で適応性のあるエミュレーターが、公共政策の立案にもっと役立つことを期待しています。研究者らは今後、完全なモデルが生成したシナリオでこの手法を試し、他の種類の気候モデルにも適用したいとしています。