GPTCast：降水ナウキャスティングのための気象言語モデル

要約。本研究は、レーダーに基づく降水のアンサンブルナウキャスティングのための生成的深層学習手法、GPTCastを紹介するものであり、大規模言語モデル（LLM）の進展に着想を得ている。私たちは、トークン化されたレーダー画像を用いて降水の時空間ダイナミクスを学習する予報器として、生成済み事前学習トランスフォーマー（GPT）モデルを採用する。トークナイザーは、降水の偏った分布に特化した新規の再構成損失を特徴とする変分量子化オートエンコーダ（VQGAN）に基づき、高降雨率の忠実な再構成を促進する。この手法は現実的なアンサンブル予報を生成し、正確な不確実性推定を伴う確率的出力を提供する。コアアーキテクチャは順伝播中に決定的に動作し、アンサンブルの変動性は予報器が推論時に予測するカテゴリカル確率分布のサンプリングから生じ、他の生成モデルで一般的なノイズ注入など外部のランダム入力を必要としない。したがって、全ての予報変動性はデータ分布からのみ学習される。イタリア北部エミリア＝ロマーニャ地域の6年間のレーダーデータセットを用いてGPTCastを訓練・評価し、最先端のアンサンブル外挿法と比較して優れた結果を示した。