AIが解く世界の難問 · 地球・気候科学 · arXiv · 2026-10-21
トポロジー情報を取り込んだ基盤モデルによる全球河川系水理ダイナミクスの学習
原題: Learning global river system hydrodynamics with a topology-informed foundation model
正確な河川予測は水・食料・エネルギーの安全保障に不可欠だが、点在する観測所から河川網全体へ予測を広げることは難しく、機械学習の進展も個別の流域にとどまってきた。河川の連結性と流動のエネルギー的特性を活かしたトポロジー情報型の河川基盤モデルGraphRiverCast（GRC）は、疎らな観測所データで学習し、事前の河川状態なしに全球の河川区間ごとの日次多変量水理ダイナミクスを予測する。GRCは強力な物理ベースおよび機械学習モデルを上回り、時間再帰に依存しがちな標準的な自己回帰モデルと違ってトポロジーと外力から河川状態を再構成するため、学習範囲を大きく超えても予測技能がほとんど劣化せず、観測のない区間やより高解像度の河川網にも一般化でき、観測が乏しい地域にも信頼できる水理予測をもたらす。