経験的ダウンスケーリングの課題（極端現象）
本論では、c-GANや革新的な損失関数などのアルゴリズムアーキテクチャが、局所的な詳細をより良く解決し、極端な現象を捕捉するのに有望であることを示しました。しかし、さらなる研究がまだ必要です。 ダウンスケーリングにおける…
地域気候モデルエミュレータ(RCM emulator)
RCM emulatorでは、力学的ダウンスケーリングで用いられるRCMをエミュレートするとこを目的としています。比較的単純な統計アルゴリズムとMLアルゴリズムを使用したいくつかの研究では、RCMを効果的にエミュレートし…
拡散モデル(Diffusion Models)
拡散モデル(Diffusion Models)拡散モデルは、マルコフ連鎖(未来の挙動が現在の値だけで決定され、過去の挙動と無関係)に依存して、低解像度画像ペアから高解像度画像ペアへの段階的な移行をモデル化する生成モデルで…
敵対的生成ネットワーク(GAN)
Generative Adversarial Networks (GAN) は近年開発された機械学習手法であり、コンピューター ビジョン、医療画像などの多くの分野で広く採用されています。 特に、条件付きGAN (c-GA…
U-Net (エンドツーエンド畳み込みアーキテクチャ)
エンコーダを用いて特徴を抽出（畳み込み）し、逆畳み込み(デコンボリューション)処理を行い、入力画像と同じサイズの確率マップを出力します。U-Net アーキテクチャは、図4c に示すように、CNNアーキテクチャとはわずかに…
畳み込みニューラルネットワーク (CNNs)
深層学習技術により、単一のアルゴリズムを学習して、対象領域全体をシームレスにダウンスケールができるようになりました。従来の手法では、「最適」なダウンスケーリングを実施できるように、特徴ベクトルを手動で選択する必要がありま…
完全予報(PP)手法
観測値を用いる方法は、観測を行う特定の場所にダウンスケーリングします。PP手法には多くの利点があります。まず第一に、単純で解釈可能であり、複雑なアルゴリズムに比べて必要なトレーニング データが少なくなります。 そのシンプ…
機械学習を用いたダウンスケーリング
機械学習を用いたダウンスケーリングでは、目的変数に観測値を用いる方法と数値モデルの出力値を用いる方法があります。観測値を用いる方法では、完全予報 (Perfect prognosis: PP)、超解像 (Super-Re…
気候変動予測の高解像度化と問題点
温暖化予測に用いられる全球気候モデルは、洗練され精巧に作られているものの計算機資源の制約から空間分解能が極めて低く、地域レベルの気候変化の再現が困難です。局地地形に大きく影響される降水イベントによる洪水のリスク評価や水資…