研究課題/領域番号 |
23K21747
|
研究種目 |
基盤研究(B)
|
配分区分 | 基金 |
応募区分 | 一般 |
審査区分 |
小区分63010:環境動態解析関連
|
研究機関 | 気象庁気象研究所 |
研究代表者 |
関山 剛 気象庁気象研究所, 全球大気海洋研究部, 主任研究官 (90354498)
|
研究分担者 |
梶野 瑞王 気象庁気象研究所, 全球大気海洋研究部, 主任研究官 (00447939)
福井 健一 大阪大学, 産業科学研究所, 准教授 (80418772)
|
研究期間 (年度) |
2024-04-01 – 2026-03-31
|
研究課題ステータス |
交付 (2024年度)
|
配分額 *注記 |
5,590千円 (直接経費: 4,300千円、間接経費: 1,290千円)
2025年度: 2,340千円 (直接経費: 1,800千円、間接経費: 540千円)
2024年度: 3,250千円 (直接経費: 2,500千円、間接経費: 750千円)
|
キーワード | 機械学習 / 数値予報 / 移流拡散シミュレーション / ダウンスケーリング / 高解像度化 |
研究開始時の研究の概要 |
複雑地形上での大気環境シミュレーションに必要な高解像度気象場(風向・風速・気温・降水等の分布)の格子点値を得るため、本研究では深層学習の超解像技術を使って低解像度気象場を逐次ダウンスケーリングする。それによって複雑地形上での正確な大気環境予測を実現することが本研究の最終目標である。深層学習は2010年代に驚異的な発達を遂げた人工知能の一種である。深層学習では事前に大量のデータ(本研究の場合、高解像度モデルおよび低解像度モデルの計算結果ペア)から与えられた現象の法則性を読み取る必要があるが、法則性を学習したあとは僅かな計算機資源で現象を予測できる。
|