論文の概要: Accelerating exploration of Marine Cloud Brightening impacts on tipping
points Using an AI Implementation of Fluctuation-Dissipation Theorem
- arxiv url: http://arxiv.org/abs/2302.01957v1
- Date: Fri, 3 Feb 2023 19:08:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-07 20:58:51.803240
- Title: Accelerating exploration of Marine Cloud Brightening impacts on tipping
points Using an AI Implementation of Fluctuation-Dissipation Theorem
- Title(参考訳): ゆらぎ散布理論のAI実装による海雲漂白点への影響の高速化
- Authors: Haruki Hirasawa, Sookyung Kim, Peetak Mitra, Subhashis Hazarika, Salva
Ruhling-Cachay, Dipti Hingmire, Kalai Ramea, Hansi Singh, Philip J. Rasch
- Abstract要約: 海洋雲の明るくすること (MCB) は、温室効果ガスの温暖化を部分的に相殺するための気候介入技術である。
AiBEDOという名前のAIモデルについて説明する。
- 参考スコア(独自算出の注目度): 6.824166358727082
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Marine cloud brightening (MCB) is a proposed climate intervention technology
to partially offset greenhouse gas warming and possibly avoid crossing climate
tipping points. The impacts of MCB on regional climate are typically estimated
using computationally expensive Earth System Model (ESM) simulations,
preventing a thorough assessment of the large possibility space of potential
MCB interventions. Here, we describe an AI model, named AiBEDO, that can be
used to rapidly projects climate responses to forcings via a novel application
of the Fluctuation-Dissipation Theorem (FDT). AiBEDO is a Multilayer Perceptron
(MLP) model that uses maps monthly-mean radiation anomalies to surface climate
anomalies at a range of time lags. By leveraging a large existing dataset of
ESM simulations containing internal climate noise, we use AiBEDO to construct
an FDT operator that successfully projects climate responses to MCB forcing,
when evaluated against ESM simulations. We propose that AiBEDO-FDT can be used
to optimize MCB forcing patterns to reduce tipping point risks while minimizing
negative side effects in other parts of the climate.
- Abstract(参考訳): 海洋雲の鮮明化(MCB)は、温室効果ガスの温暖化を部分的にオフセットし、気候の転換点を越えることを避けるための気候介入技術である。
mcbの地域気候への影響は、一般的に計算コストの高い地球系モデル(esm)シミュレーションを用いて推定され、潜在的なmcb介入の可能性の大きな空間の徹底的な評価を妨げている。
ここでは,ゆらぎ散逸定理(fdt)の新たな応用を通じて,強制に対する気候応答を迅速に予測するために使用できるaibedoというaiモデルについて述べる。
AiBEDO は多層パーセプトロン (MLP) モデルであり、月平均放射線異常を利用して、様々な時間ラグで気候異常を表面化する。
内部の騒音を含むESMシミュレーションの大規模なデータセットを活用することで、ESMシミュレーションに対して評価を行う際に、AiBEDOを用いて、MCB強制に対する気候応答をうまく予測するFDT演算子を構築する。
我々は,aibedo-fdtを用いて,気候の他の地域における負の副作用を最小限に抑えつつ,チップングポイントリスクを低減させるパターンを最適化することを提案する。
関連論文リスト
- Towards Causal Representations of Climate Model Data [18.82507552857727]
この研究は因果表現学習の可能性、特に単一パーセンシャル・デコーディング(CDSD)法によるemphCausal Discoveryの可能性を掘り下げるものである。
以上の結果から,CDSDをより解釈可能で堅牢な気候モデルエミュレーションへのステップストーンとして使用するという課題,限界,約束が明らかになった。
論文 参考訳(メタデータ) (2023-12-05T16:13:34Z) - Residual Diffusion Modeling for Km-scale Atmospheric Downscaling [51.061954281398116]
台湾上空2kmの高解像度気象モデルを用いて,コスト効率の低いダウンスケーリングモデルを訓練した。
textitCorrDiffは、RMSEとCRPSを巧みに表現し、極端な場合でもスペクトルと分布を忠実に回復する。
グローバルな予測のスケールダウンは、これらのメリットの多くを成功裏に維持し、マシンラーニングの天気予報のエンドツーエンドなグローバルなスケールの可能性を先導する。
論文 参考訳(メタデータ) (2023-09-24T19:57:22Z) - Model-based Causal Bayesian Optimization [74.78486244786083]
乗算重み付き因果ベイズ最適化のための最初のアルゴリズム(CBO-MW)を提案する。
グラフ関連の量に自然に依存するCBO-MWに対する後悔の限界を導出する。
我々の実験は、共有モビリティシステムにおいて、ユーザの需要パターンを学習するためにCBO-MWをどのように使用できるかの現実的なデモを含む。
論文 参考訳(メタデータ) (2023-07-31T13:02:36Z) - HAiVA: Hybrid AI-assisted Visual Analysis Framework to Study the Effects
of Cloud Properties on Climate Patterns [4.716196892532721]
マリン・クラウド・ブライトニング(Marine Cloud Brightening、MCB)は、雲の反射率の修正であり、周囲の領域を冷却する。
そこで我々は,このような科学的研究を推進するために,ハイブリッドAI支援視覚分析フレームワークを提案する。
気候科学者のチームと協力して、クラウド-気候応答関数をエミュレートするハイブリッドAIモデルを開発しました。
論文 参考訳(メタデータ) (2023-05-13T07:55:47Z) - Climate Intervention Analysis using AI Model Guided by Statistical
Physics Principles [6.824166358727082]
変動散逸理論(FDT)として知られる統計物理学の原理を応用した新しい解法を提案する。
利用することで,地球系モデルによって生成された大規模なデータセットに符号化された情報を抽出することができる。
我々のモデルであるAiBEDOは、地球および地域表面の気候に対する放射摂動の複雑なマルチタイム効果を捉えることができる。
論文 参考訳(メタデータ) (2023-02-07T05:09:10Z) - Multi-scale Digital Twin: Developing a fast and physics-informed
surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。
U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。
並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
論文 参考訳(メタデータ) (2022-11-20T06:46:35Z) - Spatiotemporal modeling of European paleoclimate using doubly sparse
Gaussian processes [61.31361524229248]
計算負担を軽減するため,近年の大規模分散時間GPを構築した。
我々は,古気候の確率モデルを構築するために,この2倍のスパースGPをうまく利用した。
論文 参考訳(メタデータ) (2022-11-15T14:15:04Z) - Deep Learning Based Cloud Cover Parameterization for ICON [55.49957005291674]
我々は,実地域およびグローバルICONシミュレーションに基づいて,粗粒度データを用いたNNベースのクラウドカバーパラメータ化を訓練する。
グローバルに訓練されたNNは、地域シミュレーションのサブグリッドスケールのクラウドカバーを再現することができる。
我々は,コラムベースNNがグローバルから局所的な粗粒データに完全に一般化できない理由として,特定の湿度と雲氷上の過剰なエンハンシスを同定する。
論文 参考訳(メタデータ) (2021-12-21T16:10:45Z) - DeepClimGAN: A High-Resolution Climate Data Generator [60.59639064716545]
地球系モデル(ESM)は、気候変動シナリオの将来の予測を生成するためにしばしば用いられる。
妥協として、エミュレータはかなり安価であるが、ESMの複雑さを全て備えているわけではない。
本稿では, ESMエミュレータとして, 条件付き生成逆数ネットワーク(GAN)の使用を実証する。
論文 参考訳(メタデータ) (2020-11-23T20:13:37Z) - HECT: High-Dimensional Ensemble Consistency Testing for Climate Models [1.7587442088965226]
気候モデルは、気候変動が気候変動に与える影響を理解する上で重要な役割を担い、気候変動のリスクを軽減し、決定を通知する。
コミュニティアース・システム・モデル (CESM) のような大域的な気候モデルは、大気、陸、海、氷の相互作用を記述する数百万行のコードで非常に複雑である。
私たちの研究は、木に基づくアルゴリズムやディープニューラルネットワークのような確率論的手法を使って、高次元および人為的なデータの統計的に厳密な適合性テストを行います。
論文 参考訳(メタデータ) (2020-10-08T15:16:16Z)
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。