KPPax（ケイピーパックス）は10月27日(現地時間)、大気化学分野の機械学習に特化した微分可能な運動学的常微分方程式（ODE）前処理器として開発された。本ツールは、キネティック・プリプロセッサー（Kinetic PreProcessor: KPP）言語で記述された化学メカニズムから、JAX環境で微分可能、かつジャストインタイム（JIT）コンパイルおよびベクトル化が可能な化学コードを生成する。この技術により、大気化学モデルと機械学習モデルの統合が加速される見込みだ。
従来のKPP言語は効率的なFortranまたはCコードを生成するものの、機械学習モデル開発に用いられる微分可能なプログラミングフレームワークとの適合性に課題があった。
KPPaxは、対数空間での疎な操作を通じてレート則を評価し、微分可能性を維持する。また、diffrax（ディフラックス）ライブラリの陰的ソルバーと順方向・逆方向のアジョイントを利用して硬いシステムを統合することで、手作業によるアジョイントコードなしに厳密な感度を得る。
POLLU（ポルー）ベンチマークメカニズムを用いた二つの応用例が示された。一つ目の応用では、自動微分されたヤコビアンから計算されたフィッシャー情報行列が、適合前に25のレート係数のうちどれがフローチューブ状の設計で特定可能かを予測した。ノイズのある合成推定では、9つの特定可能なレート係数の予測される不確かさを約30%の範囲内で確認し、比率のみが制約される高速反応のクラスターが明らかになった。
二つ目の応用では、排出量インベントリのニューラルネットワーク補正がシナリオごとの4D-Varリトリーバルでオフライン学習された後、化学モデルを介してオンラインでファインチューニングされた。これにより、生物起源補正の誤差が2.4～5倍削減され、個々のリトリーバルが失う低温排出に関する情報が回復された。
KPPaxは、KPPメカニズムをパラメーター推定やハイブリッド物理学-機械学習モデリングへ直接利用可能にする。
参考: arXiv cs.AI — 2026年10月28日 02:58 (JST)