活動報告

活動目的・内容

近年発展のめざましい数理統計学分野の1つに「データ同化」がある．データ同化は，現象の理論数理モデルのシミュレーション結果に本質的に含まれる予測誤差を観測データによって補正を行い，その予測力を向上させる手法である．例えば現在の数値天気予報における予測可能期間の向上はデータ同化手法のもたらしたものである．一方，理学研究の各分野においては実験・観測によるデータ研究と理論モデルによる研究がその両輪となっており，現代の数理統計的手法によって，精密化・大規模化するデータを有益に利用して理論モデルに組み込む新しいスタイルの研究が可能になりつつある．また，企業などにおいても長年蓄積された技術の理論モデルと計測データとの高度融合が望まれており，そのような開発を担う高度な職業人の輩出も大学にもとめられている． このような状況に対して，昨年に引き続き，理学における様々なデータと数理モデルを融合するデータ同化の基礎と応用について講義と実習およびその後のフォローアップのセミナーやチュートリアルを軸とした年間のコースを実施し，データ同化を用いた各理学分野の新研究の創出，理学研究科の修士/博士学生の新しいキャリアパス構築を目指す．講義型SGとして週一回の講義（前期/後期）を開講．また夏冬にデータ同化研究会を理研と京大で一回ずつ開催，12月にはデータ同化スクールなども計画している．

活動成果・自己評価

活動成果：平成31年度の活動として，前期・後期に講義「データ同化A・B」を実施した．前期のデータ同化Aは19名（名古屋大学からの特別聴講生1名を含む）が履修し，データ同化の理論と応用について，その入門から基礎を学んだ．低次元のカオス力学系モデルを使った実習課題に取り組むことで，実際の問題に適用するために必要な実践的な基礎技術を習得した．後期のデータ同化Bは5名（名古屋大学からの特別聴講生1名を含む）が履修し，前期で履修した内容を前提とした上で，データ同化の理論と応用についてその基礎を究め，実際の応用力を養った．
自己評価：前期の講義では昨年度に比べて受講生が倍増し，昨年度は不開講とした後期の講義も今年度は開講して5名が受講した。昨年度と同様、参加者の意欲は高く，学習の効果は上がった。学生がデータ同化のような分野横断型の分野で研究し学位取得を目指す際に，大学院での受け皿の問題が依然残っていることが認識された．

参加メンバー