オンラインセミナー

第05回 (2025/03/24 13:00-14:30 JST): Le Duc (東京大)

タイトル:
Optimal transport viewpoint on generating analysis ensembles in ensemble filters

アブストラクト:
An analysis ensemble needs to be generated during the assimilation step of ensemble filters to proceed to the next assimilation cycle. In principle, this is equivalent to a sampling procedure from the posterior distribution. Traditional methods include perturbed observations, ensemble transform matrices in ensemble Kalman filters, and resampling in particle filters. In recent years, several new methods have been proposed, such as ensemble transform particle filters, gain-form ensemble transform Kalman filters, and quantile-preserving ensemble filters. In this study, we show that an elegant theory, supported by optimal transport, underlies these methods. Given two different probability distributions, optimal transport seeks an optimal transportation map that transfers probabilistic mass from one distribution to another. It turns out that many methods are different implementations of such optimal transportation maps. The underlying principle, therefore, is to generate an analysis ensemble that is closest to the corresponding background ensemble.

言語 (Language):
English

参加申し込み:
　終了しました。

第04回 (2025/02/13 13:00-14:30 JST): 三ツ井孝仁 (順天堂大)

タイトル:
リザバーコンピューティングと気象・気候予測への応用

アブストラクト:
リザバーコンピューティングは大自由度力学系が持つ豊かなダイナミクスを利用した機械学習手法である[1]。時系列予測に強く、学習が簡便である事などから、物理系の研究者を中心に注目を集めている。典型的なアーキテクチャとして、Echo State Networkと呼ばれる再帰的ニューラルネットワークがある。本講演ではリザバーコンピューティングを用いた気象・気候予測について、講演者が関わった研究を中心に紹介する[2,3]。インドに雨期をもたらすインド夏季モンスーンは６月初旬前後に始まる。モンスーン開始日には２週間程度(±2σ)の年々変動があり、これを正しく予測する事はインドの農業計画において重要である。本講演では、Echo State Networkを用いてモンスーン開始日への"近さ"を計算することにより、モンスーン開始日を８０日程度前から±5日の精度(±1σ)で予測できることを報告する[2]。また、エルニーニョ南方振動(ENSO)の予測研究についても紹介する[3]。Echo State Networkを用いた時系列予測では時系列の滑らかさが成否を決める事がある。そのため、ノイジーな時系列の予測においては、事前にバンドパスフィルタなどで観測データの平滑化を行うことが多い。しかし、一般的なバンドパスフィルタは予測時点に対して未来の情報を取り入れてしまうため、真の意味での未来予測にならないことがある。このため米田らは、過去と現在の情報のみを用いるバンドパスフィルタ "real-time filter" を開発した[4,5]。我々はReal-time filterとEcho State Networkを組み合わせて用いる事で、ENSOのスローダイナミクスが2年に及ぶ予測可能性を持つことを示す[3]。([2]はNiklas Boers氏、[3]は神野拓哉氏、中井拳吾氏、齊木吉隆氏、米田剛氏との共同研究である。)

言語 (Language):
日本語

参考文献:
[1] 田中剛平, 中根了昌, & 廣瀬明. (2021). リザバーコンピューティング: 時系列パターン認識のための高速機械学習の理論とハードウェア. Morikita shuppan.
[2] Mitsui & Boers (2021). Seasonal prediction of Indian summer monsoon onset with echo state networks, Environmental Research Letters 16 (7), 074024
[3] Jinno, Mitsui, Nakai, Saiki, & Yoneda, Long-term prediction of El Niño-Southern Oscillation using reservoir computing with real-time filter, in prep.
[4] Suematsu, T., Nakai, K., Yoneda, T., Takasuka, D., Jinno, T., Saiki, Y., & Miura, H. (2022). Machine learning prediction of the MJO extends beyond one month. arXiv preprint arXiv:2301.01254.

参加申し込み:
　終了しました。

第03回 (2025/01/09 13:00-14:30 JST): 安田勇輝 (東京工業大学)

タイトル:
教師なし超解像データ同化の理論: 超解像を通した非局所的な観測値の取り込み 

アブストラクト:
本研究は，深層学習を用いた教師なし超解像データ同化の理論を提案する．超解像は画像を高解像度化する技術であり，データ同化は観測値を用いて数値モデルの予測値を修正する技術である．線型と非線型の超解像に分けて，超解像によって空間的に離れた格子点上の観測値が推論に取り込まれる過程を説明する．提案手法の有効性は，理想化された海洋順圧ジェットの数値実験で検証する．セミナーでは，超解像やデータ同化を超えて，複雑な非線形システムを深層学習により如何に解析するか，という観点にまで議論を広げたい． 

言語 (Language):
日本語

参加申し込み:
　終了済みのセミナーです。

第02回 (2024/11/27 13:00-14:30 JST): 堀田大介 (気象研究所)

タイトル:
多様体の視点からデータ同化を捉え直す

アブストラクト:
近年、データ同化において、状態変数や観測値を機械学習モデルを用いて低次元の表現に変換した後に同化を行う「潜在空間におけるデータ同化」が、非線形性や非ガウス性に対処するための有望なアプローチとして注目されている。本講演では、これが単なる流行に乗った研究方向ではなく、むしろ数値天気予報の科学の歴史的発展と一致した、データ同化手法の自然な進化であることを論じる。特に、「バランス問題」現業数値予報システムによってどのように対処されてきたかという観点から説明する。

まず、リチャードソンの夢の有名な失敗を振り返り、力学的初期値化に関する研究から"slow manifold" (重力波などの速い振動成分をフィルターした、ゆっくり変化する大気状態の集合が抽象的な相空間内でなす多様体）の概念がどのように生まれたかを議論する。"slow manifold" の概念を紹介したのち、主要なデータ同化手法（3DVar、4DVar、EnKF）の成功と限界を、多様体の観点から分析する。ここでの中心的な仮定は、大気の力学のアトラクタが抽象的な相空間において「バランスの取れた」多様体を形成しており、様々なデータ同化手法はその多様体上に解析値を制約するために異なる近似を試みているというものである。最後に、気象学者による「バランスした多様体」と、機械学習（ML）コミュニティで論じられてきた「多様体仮説」における多様体との潜在的な関連性について議論する。もしこれらの異なる多様体の概念が同一であるならば、潜在空間におけるデータ同化は、バランスの取れた大気解析値を達成すべく発展させてきたデータ同化手法の自然な進化であると捉えることができる。

※ 本講演は既往研究の新しい（と講演者が思う）視点からのレビューが中心で、講演者自身によるオリジナルの研究ではありません。 

言語 (Language):
スライド英語 / 発表日本語 (slide in English, presented in Japanese)

参加申し込み:
　終了済みのセミナーです。