論文の概要: Will Artificial Intelligence supersede Earth System and Climate Models?
- arxiv url: http://arxiv.org/abs/2101.09126v1
- Date: Fri, 22 Jan 2021 14:33:24 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-20 23:27:53.881573
- Title: Will Artificial Intelligence supersede Earth System and Climate Models?
- Title(参考訳): 人工知能は地球システムと気候モデルに取って代わるのか?
- Authors: Christopher Irrgang (1), Niklas Boers (2 and 3 and 4), Maike Sonnewald
(5 and 6 and 7), Elizabeth A. Barnes (8), Christopher Kadow (9), Joanna
Staneva (10), Jan Saynisch-Wagner (1) ((1) Helmholtz Centre Potsdam, German
Research Centre for Geosciences GFZ, Potsdam, Germany, (2) Department of
Mathematics and Computer Science, Free University of Berlin, Germany, (3)
Potsdam Institute for Climate Impact Research, Potsdam, Germany (4)
Department of Mathematics and Global Systems Institute, University of Exeter,
Exeter, UK (5) Program in Atmospheric and Oceanic Sciences, Princeton
University, Princeton, USA (6) NOAA/OAR Geophysical Fluid Dynamics
Laboratory, Ocean and Cryosphere Division, Princeton, USA (7) University of
Washington, School of Oceanography, Seattle, USA (8) Colorado State
University, Fort Collins, USA (9) German Climate Computing Center DKRZ,
Hamburg, Germany (10) Helmholtz-Zentrum Geesthacht, Center for Material and
Coastal Research HZG, Geesthacht, Germany)
- Abstract要約: ニューラルアース・システム・モデリング(Neural Earth System Modelling)は、地球と気候科学の新しい研究分野である。
我々は「NESYM」という用語を作り、学際的な議論プラットフォームの必要性を強調した。
ニューラルアースシステムモデリングの同時可能性と落とし穴を検討し、人工知能がアースシステムモデリングを注入するだけでなく、最終的にそれらを時代遅れにするかどうかというオープンな疑問について議論します。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We outline a perspective of an entirely new research branch in Earth and
climate sciences, where deep neural networks and Earth system models are
dismantled as individual methodological approaches and reassembled as learning,
self-validating, and interpretable Earth system model-network hybrids.
Following this path, we coin the term "Neural Earth System Modelling" (NESYM)
and highlight the necessity of a transdisciplinary discussion platform,
bringing together Earth and climate scientists, big data analysts, and AI
experts. We examine the concurrent potential and pitfalls of Neural Earth
System Modelling and discuss the open question whether artificial intelligence
will not only infuse Earth system modelling, but ultimately render them
obsolete.
- Abstract(参考訳): 我々は、深層ニューラルネットワークと地球系モデルが個別の方法論的アプローチとして分解され、学習、自己検証、解釈可能な地球系モデル-ネットワークハイブリッドとして再組み立てされる、地球と気候科学における全く新しい研究分野の視点を概説する。
この道を辿って、我々は"Neural Earth System Modelling"(NESYM)という用語を作り、地球と気候の科学者、ビッグデータアナリスト、AI専門家をまとめて、学際的な議論プラットフォームの必要性を強調します。
我々はニューラルアース・システム・モデリングの同時可能性と落とし穴について検討し、人工知能がアース・システム・モデリングを注入するだけでなく、最終的に時代遅れにするかどうかというオープンな疑問を議論する。
関連論文リスト
- Open-world Machine Learning: A Review and New Outlooks [88.62638732250427]
本稿では,新たなオープンワールド機械学習パラダイムを包括的に紹介することを目的としている。
研究者がそれぞれの分野でより強力なAIシステムを構築するのを支援し、人工知能の開発を促進することを目的としている。
論文 参考訳(メタデータ) (2024-03-04T06:25:26Z) - Interpretable Geoscience Artificial Intelligence (XGeoS-AI): Application
to Demystify Image Recognition [11.12186767531391]
本研究では,地球科学における画像認識の謎を明らかにするための,解釈可能な地球科学人工知能(XGeoS-AI)フレームワークを提案する。
XGeoS-AIフレームワークは、人間の視覚のメカニズムにヒントを得て、画像全体の局所領域からしきい値を生成し、認識を完了させる。
論文 参考訳(メタデータ) (2023-11-08T01:54:56Z) - AI Foundation Models for Weather and Climate: Applications, Design, and
Implementation [3.3929630603919394]
機械学習と深層学習は、大気のカオス的な振る舞いを理解し、天気予報を促進するために広く研究されてきた。
変換器、物理インフォームド機械学習、グラフニューラルネットワークを用いた最近のアプローチは、比較的狭いスケールと特定のタスクで最先端のパフォーマンスを実証している。
論文 参考訳(メタデータ) (2023-09-19T17:50:27Z) - When Geoscience Meets Foundation Models: Towards General Geoscience
Artificial Intelligence System [5.8666339171606445]
地球科学基礎モデルは、地球系の力学をシミュレートし理解するために、大規模な学際データを統合する。
データ中心人工知能(AI)パラダイムとして、ペタバイト単位の構造化データと非構造化データの洞察を明らかにする。
現在の制限にもかかわらず、地球科学財団のモデルは、気候変動、自然災害、持続可能性といった問題に対する重要な洞察を提供することを約束している。
論文 参考訳(メタデータ) (2023-09-13T08:44:09Z) - Artificial Intelligence for Science in Quantum, Atomistic, and Continuum
Systems [245.1050780515017]
科学のためのAI(AI4Science)として知られる新しい研究領域
領域は、物理世界(波動関数と電子密度)、原子(分子、タンパク質、物質、相互作用)、マクロ(流体、気候、地下)まで理解することを目的としている。
主要な課題は、物理第一原理、特に対称性を深層学習法によって自然システムで捉える方法である。
論文 参考訳(メタデータ) (2023-07-17T12:14:14Z) - The Future of Fundamental Science Led by Generative Closed-Loop
Artificial Intelligence [67.70415658080121]
機械学習とAIの最近の進歩は、技術革新、製品開発、社会全体を破壊している。
AIは、科学的な実践とモデル発見のための高品質なデータの大規模なデータセットへのアクセスがより困難であるため、基礎科学にはあまり貢献していない。
ここでは、科学的な発見に対するAI駆動、自動化、クローズドループアプローチの側面を調査し、調査する。
論文 参考訳(メタデータ) (2023-07-09T21:16:56Z) - Using Artificial Intelligence to aid Scientific Discovery of Climate
Tipping Points [1.521140899164062]
我々は,科学的発見における気候モデル作成を可能にする,ハイブリッド人工知能(AI)気候モデリング手法を提案する。
本稿では,この手法が気候の転換点の発見,特にアトランティック・メリディショナル・オーバーターン・サーキュレーション(AMOC)の崩壊にどのように適用できるかを説明する。
本稿では,自然言語質問と記号的学習表現の翻訳におけるニューロシンボリックな手法性能の予備的結果を示す。
論文 参考訳(メタデータ) (2023-02-14T06:00:39Z) - Predictive World Models from Real-World Partial Observations [66.80340484148931]
本研究では,現実の道路環境に対する確率論的予測世界モデル学習のためのフレームワークを提案する。
従来の手法では、学習のための基礎的真理として完全状態を必要とするが、HVAEが部分的に観察された状態のみから完全状態を予測することを学べる新しい逐次訓練法を提案する。
論文 参考訳(メタデータ) (2023-01-12T02:07:26Z) - MRKL Systems: A modular, neuro-symbolic architecture that combines large
language models, external knowledge sources and discrete reasoning [50.40151403246205]
巨大な言語モデル(LM)は、自然言語ベースの知識タスクのゲートウェイとして機能する、AIの新しい時代を支えている。
離散的な知識と推論モジュールによって補完される、複数のニューラルモデルによる柔軟なアーキテクチャを定義する。
本稿では,MRKL(Modular Reasoning, Knowledge and Language)システムと呼ばれる,このニューロシンボリックアーキテクチャについて述べる。
論文 参考訳(メタデータ) (2022-05-01T11:01:28Z) - Learning from learning machines: a new generation of AI technology to
meet the needs of science [59.261050918992325]
科学的な発見のためのAIの有用性を高めるための新たな機会と課題を概説する。
産業におけるAIの目標と科学におけるAIの目標の区別は、データ内のパターンを識別することと、データから世界のパターンを発見することとの間に緊張を生じさせる。
論文 参考訳(メタデータ) (2021-11-27T00:55:21Z) - Towards a Collective Agenda on AI for Earth Science Data Analysis [39.78763440312085]
我々は、研究者、特に若い世代に、リモートセンシングと地球科学の真の進歩のためにこれらの課題に取り組むように促すことを目指している。
地球科学に関するAIの宣言では、研究者、特に若い世代がリモートセンシングと地球科学の真の進歩のためにこれらの課題に取り組むよう促すことを目指しています。
論文 参考訳(メタデータ) (2021-04-11T20:54:44Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。