複雑かつ大規模な現象である気象を操るにあたってはハードルが大きく3つあります。まず、気象への効果的な介入を見つける必要があります。闇雲な介入では我々が望む気象を実現できるとは限らず、介入の仕方を注意深く選択する必要があります。また、介入は実施可能でなければいけません。気象は大規模なので制御には膨大なエネルギーが必要と考えられますが、一方で我々人類が費やせるエネルギーには制約があります。この制約内で実施可能な介入を見つけ出す必要があります。最後に、介入は素早く計算可能である必要があります。気象の大規模性から生じる計算時間の問題を克服して、豪雨被害などの災害が予見されてから発生するまでの短時間のうちに介入を計算しなければなりません。これら3つのハードルを克服するために、モノとコトを思い通りに操るための理論である制御理論は必要不可欠です。しかしながらこれまでの制御理論では気象のような大規模現象はあまり積極的には取り扱われてきませんでした。
これら3つのハードルをクリアするために本項目では2つの研究課題を設けています（図1）。課題1-1「フィードバック制御手法の開発」では、制御理論の基礎的パラダイムであるフィードバック制御の考え方を発展させ、大規模な気象場に対しても計算可能な介入決定手法を構築します。課題1-2「データ駆動手法を用いた制御手法の開発」では、人工知能技術やアンサンブル予測等のデータ技術を活用し、限られた計算回数の中で有効な介入候補を探索する手法を開発します。これら2つの課題の推進により、理想化された大気実験から、より実践的な気象場を見据えた閉ループ型の介入計算へと研究を進展させています。

[手法開発のための数理モデル選定(課題1-1)]

気象制御手法の開発と評価にあたっては、取扱いの容易さと気象現象の本質を併せ持つ気象数理モデルが必要です。従来のLorenz-96モデルには気象現象ならではの大規模性が欠けていました。そこで本研究ではSCALE Regional Modelと呼ばれる気象気候ライブラリに付随する理想大気実験と呼ばれるモデルを選定しました。このモデルは上記特徴を両方有し、気象制御研究の加速に大きく資することが期待されます。

[既存制御手法の評価(課題1-2)]

気象制御研究における従来の介入発見手法（Miyoshi and Sun, 2022）の性能評価を行いました。従来手法には、予見区間と呼ばれるパラメーターによっては効果的な介入が見つからないという課題がありました。この課題に対して本研究では、モデル予測制御と呼ばれる介入発見手法との比較を通じて、上述の課題が従来手法の限界に起因することを定量的に確認しました。

[Expensive Optimizationによる介入探索(課題1-2)]

気象制御ではコンピュータ上で多数のシミュレーションを行いながら、雨を減らすような「介入方法」を探します。しかし従来の方法では、計算に時間がかかりすぎて、十分な試行ができないという課題がありました。そこで本研究では，履歴を活用して探索を効率化する手法であるベイズ最適化に代表されるExpensive Optimizationを用い、限られた試行回数でも効率よく有効な介入を見つける方法を開発しました。具体的には、初期に一度だけ介入する方法と、時間を追って介入を続ける方法の2種類を用意し、人工的な雲の実験と大気シミュレーション（図2）で性能を比較しました。さらに、物理情報を活用して探索範囲を絞り込み、将来予測に基づいて介入を逐次更新する手法の検討も進めています。