OmniPM-Net：全方位クエリニューラルプロセスによる離散型・グリッド型PM10予測の連携

PM10、つまり大気中の小さなチリやホコリの予測って、私たちの健康や日常生活にすごく大切ですよね。特に、砂漠から飛んでくるような激しい砂嵐がある時なんかは、どこでどれくらい汚染が進むのか、正確に知りたいところです。

これまで、PM10の予測には、大きく分けて2つのアプローチがありました。一つは「化学輸送モデル（CTM）」と呼ばれる、コンピューター上で大気の動きをシミュレーションする方法です。これは、広い範囲の予測をグリッド（マス目）でしてくれるのですが、どうしても局所的な精度が甘くなることがありました。まるで、地図で街全体の形はわかっても、個々のお店の正確な場所まではわからない、といった感じです。

もう一つは、「グラフニューラルネットワーク（GNN）」という、AIの一種を使った方法です。これは、観測地点のデータをうまく学習して、短期的な予測は得意なのですが、グリッド形式で広い範囲の予測を出すのは苦手でした。個々のお店には行けるけれど、街全体の地図を作れない、というイメージでしょうか。

そこで今回、arXivで発表された「OmniPM-Net」という新しいAIモデルが、この2つのアプローチの良いところを合体させようとしました。

OmniPM-Netのすごいところは、まず、地形の情報を考慮した「ガウシアンセット畳み込み」という技術で、GNNが得意とする観測地点のデータを、CTMが得意とするグリッド形式にうまく「引き上げ」ています。これで、バラバラだった情報が、共通の「空間表現」という土台の上に集められるわけです。

さらに、「マルチスケール空間ソースアテンション（SSA）」という仕組みで、このGNN由来のグリッドデータと、別の信頼できる予測データ（Copernicus Atmosphere Monitoring Service、CAMS）をうまく混ぜ合わせます。まるで、お店の情報と街の地図情報を、専門家がブレンドして、より完璧な街案内図を作るようなイメージです。

そして最後に、「全方位クエリ読み出し」という機能で、この統合された情報を、観測地点でもグリッドセルでも、どこでも一貫したPM10予測として出力できるようにしています。しかも、この予測は最長で108時間先まで可能とのこと。これは、数日先のPM10濃度を、場所を問わず、より正確に把握できる可能性を示唆しています。

この技術が進めば、砂嵐の予測精度が格段に上がり、私たち一人ひとりが、より早く、より正確な情報に基づいて、健康を守るための行動が取れるようになるかもしれませんね。