from AASJ
今年は大規模言語モデル（LLM）の導入が様々な分野で進んでいる年と言えます。一般の人にとってLLMは、ChatGPTのようなテキストを学習するモデルを指すと思われますが、生物学のようなノンリニアな情報を扱う分野では、LLMの導入が進んでいます。特に蛋白質の構造予測の分野での普及が目立ちます。
過去の経験は未来の予測に重要ですが、従来の予測方法はデータを法則に落とし込んで未来に適用してきました。一方、LLMでは過去のデータを自然にコンテクスト化し、最も確率の高い結果を導き出します。これは生物情報に合致したモデルですが、気象現象にも似ています。
Googleの研究所からの論文では、3700万パラメーターを持つニューラルネットワークを用いて、過去の気象データを学習したモデルが、スーパーコンピュータを用いた気象予報よりも正確な予測を行えることが示されました。この研究は、地球規模の中期天気予報を可能にするモデルについてのものです。
これまで気候モデリングによる予測が行われてきましたが、現在はスーパーコンピュータを用いたデータの計算が主流です。この研究では、小さな領域の気象データを世界地図上にマッピングし、スーパーコンピュータ以上の予測性能を目指しています。
*Disclamer:本キュレーションはAASJからピックおよび自動生成されました。正確な内容や詳細を知りたい方はリンク先の元コンテンツをご覧ください。
Curated. ニュースレター