気象を制御するとは？
近年，気候変動の影響により，日本各地で台風や豪雨などの気象災害が頻発しています．これらの災害は，人的被害やインフラの破壊などを通じて，我々の社会に大きな影響を与えています．このような背景のもと，災害による被害を少しでも低減することを目的として，気象現象に対して人為的な介入を行う「気象制御」に関する研究が進められています．
気象制御においては，望ましい未来に導く適切な介入を求める必要があります．適切な介入は気象介入最適化によって求まります．気象介入最適化とは，降水量の最小化などの制御目標を達成するために，介入の位置・強度といったパラメータを最適化することを指します．ここで厳密な最適化は気象現象が大規模かつ複雑であることから現実的に不可能であり，近似解法や発見的解法，逐次的・局所的な最適化といった手法の活用が求められます．
気象制御では，「どこに」「どの程度」「どのような介入を行えば」，将来の気象現象を望ましい方向へ導けるのかを考える必要があります．この問題は，気象介入最適化として定式化され，例えば降水量の最小化といった制御目標を達成するために，介入の位置や強度といったパラメータを最適化します．しかし，気象現象は極めて大規模かつ複雑であり，数理モデルも高次元であるため，厳密な最適化を行うことは現実的ではありません．そのため，近似解法や発見的解法，逐次的かつ局所的な最適化手法を活用することが重要になります．
現在（2025年3月），我々はブラックボックス最適化手法に着目し，これを気象介入最適化問題に適用する研究を行っています．ブラックボックス最適化とは，評価関数や制約条件の数式表現が明示的に与えられない状況において，入力と出力の対応関係のみを利用して，評価関数を最小化または最大化する入力を探索する手法です．勾配情報を必要とせず，限られたシミュレーション回数でも比較的高い探索性能が期待できる点が特徴であり，計算コストの高い気象シミュレーションとの相性が良いと考えられます．
具体的な研究内容
本研究では，SCALE（Scalable Computing for Advanced Library and Environment）という数値気象モデルを基に構築された SCALE-RM（SCALE-Regional Model）を用い，ブラックボックス最適化手法によって求められた介入の効果を数値シミュレーションによって評価しています．SCALE の USERS GUIDE や先輩のコードを参考にしながら，ベイズ最適化や粒子群最適化といった手法を実装し，各手法による制御効果，すなわち総降水量の削減度を比較・評価します．
以下では，これまでに扱ってきた代表的な実験設定を紹介します．
Warm Bubble Experiment
Warm bubble experiment は，理想化された条件下で積雲対流の発生過程を再現するための実験設定です．初期時刻に，計算領域の中心下部に暖かい空気の塊を配置し，これをきっかけとして上昇気流を発生させます．時間の経過とともに雲が発達し，降水が生じる様子を数値的に再現します．計算領域は，水平方向約10km四方，高さ約20kmの空間を多数のグリッドセルに分割し，各セルにおける大気状態変数を細かい時間刻みで計算することで，気象現象を表現します．
下の動画は、介入を行わない場合における降水の強さ[mm/h]の時間変化を示しています．
下の図は1時間の累積降水量を示しています．
この実験設定では，介入を行わない場合の降水分布を基準として，大気の運動量や温位といった状態変数に介入を加えた場合の変化を評価します．具体的には，初期時刻における運動量に対して介入を行い，1時間にわたる累積降水量を削減する制御問題を考えます．介入の位置と強度は計3変数で表され，これらを用いて計算領域全体の累積降水量を最小化するよう，ブラックボックス最適化によって探索を行います．この条件下では，粒子群最適化を用いることで，1時間降水量を最大43.6%削減できることが確認されています．
現実大気実験
現実大気実験では，実際の大気状態や地表条件に基づいた初期値を用い，現実の気象現象を再現することを目的とします．初期時刻を適切に設定することで，台風や豪雨といった災害に直結する気象事例を数値的に再現することが可能です．
下の動画は，介入を行わない場合における降水の強さ[mm/h]の時間変化を示しています．東北地方や関東沖において強い雨が見られます．今回は東北地方の豪雨の軽減を目的として，初期時刻の大気の運動量に介入して，上のスライドの右図の赤枠で囲った範囲の6時間累積降水量を削減する制御問題を考えます．ここでは介入の位置・強度を計4変数で決定します．この4変数をブラックボックス最適化手法によって最適化します．
この実験設定の下では，ベイズ最適化または粒子群最適化を用いて，豪雨地域における6時間降水量を最大4.1%削減できました．
制御理論
気象制御に取り組む上で，システムを望ましい状態へ導くための理論である制御理論は重要な役割を果たします．一方で，従来の制御理論は，比較的低次元で構造が明確なシステムを主な対象としており，気象のような大規模かつ複雑な現象を直接扱うことは想定されてきませんでした．
そこで本研究では，人工知能技術やアンサンブル予測といったデータ駆動的手法を取り入れ，既存の制御理論の枠を拡張する形で気象制御手法の構築を目指しています．現在（2025年3月）は，モデル予測制御に着目し，気象現象への適用可能性について検討を進めています．
最後に
本研究は，ムーンショット型研究開発事業における目標8「海上豪雨生成で実現する集中豪雨被害から解放される未来」を掲げた研究開発プロジェクトの一環として実施されています．気象制御という挑戦的なテーマに対して，計算，最適化，制御という情報科学の視点から取り組むことで，新しい研究の形を模索しています．プロジェクトの詳細については，以下のウェブページも参考にしてください．
学生のみなさんへ
この研究は，最初から気象や制御の専門知識を持っていることを前提としていません．むしろ，「この計算は何を意味しているのか」「なぜこの方法で探索すると結果が変わるのか」といった素朴な疑問を持てることが，大切な出発点になります．
実際の研究では，数値シミュレーションを動かし，結果を可視化し，うまくいかなかった理由を考え，次の実験条件を工夫する，という試行錯誤を繰り返します．プログラミングやアルゴリズムを使って，大規模で複雑な現象に少しずつ切り込んでいく感覚は，情報科学らしい研究体験だと思います．
扱うテーマは気象災害という社会的に重要な問題ですが，日々の作業は，「パラメータをどう選ぶか」「探索方法で結果はどう変わるか」といった，計算として面白い問いの連続です．社会的意義と計算の面白さの両方を同時に考えられる点が，この研究の特徴です．
配属後に必要となる理論や背景知識は，研究を進めながら段階的に学んでいきます．学部で学んできたプログラミングや確率・統計，アルゴリズムの知識を，実際の研究問題にどう使うのかを試してみたい人には，よい題材になるはずです．