論文已被錄用於將於 2025 年 7 月 7 日至 9 日 在新加坡舉行的
第 25 屆國際計算科學會議（International Conference on Computational Science, ICCS 2025）。
ICCS 是計算科學領域的國際頂尖會議之一，屬於 CORE Rank A，論文錄取率約為 30–50%。
論文資訊
標題：Comparative Analysis of Black-Box Optimization Methods for Weather Intervention Design
作者：Yuta Higuchi, Rikuto Nagai, Atsushi Okazaki, Masaki Ogura, Naoki Wakamiya
摘要
隨著氣候變遷導致的氣象災害威脅日益嚴重，天氣干預（weather intervention） 的研究逐漸受到關注。為了降低災害風險，必須在適當的時間、地點與強度下進行干預。然而，由於氣象現象的巨大規模與高度複雜性，尋找最佳干預策略極具挑戰性。尤其是梯度資訊難以獲取，以及數值天氣預報（NWP）模型的龐大計算成本，使得傳統最適化方法受到限制。
本研究提出一種基於黑箱最適化（black-box optimization） 的氣象干預設計方法，無需梯度資訊即可進行搜尋與學習。我們在「單次初始干預」與「基於模型預測控制的逐次干預」兩種情境下進行比較實驗。結果顯示，在高維空間中，貝氏最適化（Bayesian Optimization） 表現出特別優異的控制效果，顯示其作為氣象干預計算手段的潛在優勢。