AIが解く世界の難問 · 地球・気候科学 · arXiv · 2026-10-22
大気シーイング短期予測のための確率的機械学習
原題: Probabilistic Machine Learning for Short-Term Atmospheric Seeing Forecasting
天文観測や自由空間光通信の性能と運用計画に影響する大気シーイングの短時間予測を狙い、最大2時間先の予測について機械学習モデルのベンチマークを行った。マウナケア山頂のシーイング観測データを用いて、確率的手法のガウス過程と正規化フローベースのFloTSを、決定論的なRNN・LSTMのベースラインと比較した。その結果、深層学習手法が標準的なリカレントネットワークを上回り、LSTMとFloTSが最良の予測精度を達成したほか、ガウス過程はガウス仮定により予測分布が制限される一方、FloTSは競争力のある予測精度と柔軟な不確実性評価を両立し、最も情報量の多い確率的予測を生成した。