MITとMicrosoft、2〜6週先の天気予測精度を倍増

マサチューセッツ工科大学（MIT）やMicrosoftなどの研究チームは2026年10月14日、既存の気象予測モデルの系統的な偏りを機械学習で補正する手法「Probabilistic Bias Correction（PBC）」をNatureで発表しました。予測が難しい2〜6週先で精度を倍増させ、農業、エネルギー、防災の準備期間を広げる狙いです。

従来の物理モデルとAIモデルは、観測データの不足や大気現象の近似に伴う誤差が時間とともに蓄積します。PBCは過去の予測の誤りから系統的な偏りを学び、新しい予測とデータが増えるにつれて補正を適応させる後処理層です。

欧州中期予報センター（ECMWF）の主要な物理モデルに適用したところ、降水量の評価対象の98％、気温の92％で精度が向上しました。コンペで首位となった構成は2〜6週先の予測力を元モデルの2倍にし、長期の気候平均を使う基準を初めて上回り、極端気象の予測も統計的に改善しました。

開発時にはスーパーコンピューターを使いましたが、完成したPBCはCPUだけで実行可能です。既存モデルに追加できるオープンソースの低コスト手法であり、大規模な計算設備を持たない気象機関にも導入の道を開きます。

農家は施肥や凍結対策、電力事業者は燃料確保、行政は洪水や寒波への備えを早められる可能性があります。ケニアの気象当局も季節雨の予測への活用を検討していますが、ECMWFは研究成果を実際の運用工程へ移すことが最大の難所だと指摘しています。