今までは、とにかく必死で微分方程式を解いてきた。
機械学習が現れた。nano bananaなら恐ろしく正確な絵がかける。拡散モデルを捨てるならちゃんと使えるものになる。
Transformer Latent Dynamicsが現実化する。というわけで、以下の方向で進んでいくようだ。
- 1000 km メッシュ。その内部の温度分布、風向分布、気圧分布、密度分布などをlatent表現
- 必要なところだけ細かく
- Voronoi セル的な守備範囲を その中心にあるノードのlatent が持つ
- 隣接セルだけを見る局所Transformer
- Δtを進展させるには、既存データでΔtのlatentのダイナミクスにおきかえて学習させておく。
- その後に蒸留して ΔT を直接予測
まあ、おんなじようなことは何回も解かなくても使いまわしたらよろしい、ということですね。ブロックで解いておいてつなぎ合わせたらいいんです。いままでたくさんアニメーション作ってあるわけだからそれを学習させてつなぎあわせたらいい。
さらには、地球の気象場と地理形状を含むスナップショットを潜在トークン列に圧縮し、Transformer がそのトークン列を時間発展させ、デコーダが実空間の気象場に復元する。これにより、地球の複雑な地形を前提にした“均質な時間発展モデル” が実現する。
- latent dynamics による天気予報はすでにある。
- 地形そのものを latent に埋め込む方向（３−５年）
- 完全双方向なtransformerによるlatent dynamics による地球シミュレーション(1０年）
らしいです。
どこの業界でもこの方向みたいです。
流体力学とかでも、飛行機や車の形状をlatentに吸収できるらしい。時代が変わっていく。そもそも地球も飛行機も同じ方法で解けるようになるらしい。
一言で言えば、流体力学の方程式を解きましょう、と思った時点でゲームのルールは完全に決まっている。なのでalphaGoと同じで、棋譜を見なくても、勝手にソルバー回してアクティブラーニングして、どんどん賢い機械学習装置になれる。正直、流体力学の人が真面目にMuseとトランスフォーマーをチョロチョロっと見ればできると思う。AI専門家では無理なので、物理のわかる人が入っていかないといけないな。だいたいの材料はそろってきている。