背景：気象制御を実施する際は、その安全性をコンピュータシミュレーションを使って評価することが必要です。しかし、気象シミュレーションには多くの不確実性が存在しており、計算結果をそのまま信頼することは難しいのが現状です。

目的：気象シミュレーションのあらゆる不確実性の原因を列挙し、観測を用いてその不確実性を最小化するとともに、なお残る不確実性を適切に評価してシミュレーションによる制御介入効果の正確な見積もりを実現します。

手法：異なる設定の大量のシミュレーションと観測データを、機械学習を用いて解析しモデル開発者にもとらえきれていなかったシミュレーションの不確実性を定量化します（データ駆動型アプローチ)。一方で、高性能な人工衛星観測とシミュレーション結果を丁寧に突き合わせることで、不確実性が生じるメカニズムを明らかにし、気象学的知見を得ます（プロセス駆動型アプローチ）。（図1)

①［データ駆動型アプローチ]

不確実性定量化手法が気象シミュレーションにおいても有効であることを確認し、豪雨や台風の予測性能改善やその正確な不確実性定量化を実現しています。ベトナムの気象機関との共同研究や、成果を水害対策に活かすための応用研究も推進し、社会実装を進めています。このようなシミュレーションの不確実性情報を活かして気象制御を実現する数理手法としてEnsemble Kalman Controlを開発し、台風の制御可能性を探求しています（図2）。

②［プロセス駆動型アプローチ]

他の研究開発項目とも連携し、様々な大規模アンサンブル実験データを解析しています（図3)。特に主要な不確実性要因であるとされる降水過程に着目し、データ駆動型のアプローチで生じた不確実性を解釈する研究を進めています。