論文の概要: Using Artificial Intelligence to aid Scientific Discovery of Climate Tipping Points

• arxiv url: http://arxiv.org/abs/2302.06852v1
• Date: Tue, 14 Feb 2023 06:00:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-15 16:21:20.808918
• Title: Using Artificial Intelligence to aid Scientific Discovery of Climate Tipping Points
• Title（参考訳）: 人工知能を使って気候変化点の科学的発見を支援する
• Authors: Jennifer Sleeman, David Chung, Chace Ashcraft, Jay Brett, Anand Gnanadesikan, Yannis Kevrekidis, Marisa Hughes, Thomas Haine, Marie-Aude Pradal, Renske Gelderloos, Caroline Tang, Anshu Saksena, Larry White
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 1.521140899164062
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a hybrid Artificial Intelligence (AI) climate modeling approach that enables climate modelers in scientific discovery using a climate-targeted simulation methodology based on a novel combination of deep neural networks and mathematical methods for modeling dynamical systems. The simulations are grounded by a neuro-symbolic language that both enables question answering of what is learned by the AI methods and provides a means of explainability. We describe how this methodology can be applied to the discovery of climate tipping points and, in particular, the collapse of the Atlantic Meridional Overturning Circulation (AMOC). We show how this methodology is able to predict AMOC collapse with a high degree of accuracy using a surrogate climate model for ocean interaction. We also show preliminary results of neuro-symbolic method performance when translating between natural language questions and symbolically learned representations. Our AI methodology shows promising early results, potentially enabling faster climate tipping point related research that would otherwise be computationally infeasible.
• Abstract（参考訳）: 本稿では,深層ニューラルネットワークと動的システムモデリングの数学的手法を組み合わせた,気候目標シミュレーション手法を用いて,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。 シミュレーションは、どちらもAIメソッドで学んだことに対する質問応答を可能にし、説明可能性を提供するニューロシンボリック言語によって基礎付けられている。 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応用できるかを説明する。 この手法が,海洋相互作用のための代理気候モデルを用いて,高い精度でAMOC崩壊を予測することができることを示す。 また,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。 我々のAI手法は、将来有望な早期結果を示し、それ以外は計算不可能な、より早い気候の転換点に関する研究を可能にする可能性がある。

関連論文リスト

• Causal Representation Learning in Temporal Data via Single-Parent Decoding [66.34294989334728]
  科学的研究はしばしば、システム内の高レベル変数の根底にある因果構造を理解しようとする。 科学者は通常、地理的に分布した温度測定などの低レベルの測定を収集する。 そこで本研究では,単一親の復号化による因果発見法を提案し,その上で下位の潜伏者と因果グラフを同時に学習する。
  論文  参考訳（メタデータ） (2024-10-09T15:57:50Z)
• Towards an end-to-end artificial intelligence driven global weather forecasting system [57.5191940978886]
  我々は,地球規模の気象変動に対するAIに基づくデータ同化モデル,すなわちAdasを提案する。 我々は,アダスが地球観測を同化して高品質な分析を行い,長期にわたって安定して運用できることを実証した。 この手法を現実のシナリオに適用するのは,私たちが初めてです。
  論文  参考訳（メタデータ） (2023-12-18T09:05:28Z)
• Characterizing climate pathways using feature importance on echo state networks [0.0]
  エコー状態ネットワーク(ESN)は、時間的データのために設計された計算効率の良いニューラルネットワークのバリエーションである。 ESNは非解釈可能なブラックボックスモデルであり、変数関係を理解する上でハードルとなる。 我々は,特徴重要度の評価と比較を行うシミュレーション研究を行い,再分析気候データに対するアプローチを実証する。
  論文  参考訳（メタデータ） (2023-10-12T16:55:04Z)
• Neuro-Symbolic Bi-Directional Translation -- Deep Learning Explainability for Climate Tipping Point Research [0.0]
  本稿では,ニューロシンボリック質問応答プログラムトランスレータ(NS-QAPT)と呼ばれるニューロシンボリックアプローチを提案する。 NS-QAPT法は、気候シミュレーションの指示に使用されるドメイン固有の質問と実行可能なプログラムを変換する双方向エンコーダデコーダアーキテクチャを含む。
  論文  参考訳（メタデータ） (2023-06-19T21:06:18Z)
• 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)
• ClimaX: A foundation model for weather and climate [51.208269971019504]
  ClimaXは気象と気候科学のディープラーニングモデルである。 気候データセットの自己教師型学習目標で事前トレーニングすることができる。 気候や気候の様々な問題に対処するために、微調整が可能である。
  論文  参考訳（メタデータ） (2023-01-24T23:19:01Z)
• 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)
• 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)
• Efficient Climate Simulation via Machine Learning Method [21.894503534237664]
  我々は,実世界のシナリオ下でのハイブリッドモデリングのためのNeuroClimというフレームワークを開発した。 NeuroClimは、(1)プラットフォーム、(2)データセット、(3)メトリクスの3つの部分から構成される。
  論文  参考訳（メタデータ） (2022-08-15T07:47:38Z)
• Simulation Intelligence: Towards a New Generation of Scientific Methods [81.75565391122751]
  シミュレーション知能の9つのモチーフ」は、科学計算、科学シミュレーション、人工知能の融合に必要な重要なアルゴリズムの開発と統合のためのロードマップである。 シミュレーションインテリジェンスのモチーフは、オペレーティングシステムのレイヤ内のコンポーネントとよく似ています。 我々は、モチーフ間の協調的な努力が科学的な発見を加速する大きな機会をもたらすと信じている。
  論文  参考訳（メタデータ） (2021-12-06T18:45:31Z)
• 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。