論文の概要: A Generative Adversarial Network for Climate Tipping Point Discovery
(TIP-GAN)
- arxiv url: http://arxiv.org/abs/2302.10274v1
- Date: Thu, 16 Feb 2023 23:44:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-26 14:38:01.145921
- Title: A Generative Adversarial Network for Climate Tipping Point Discovery
(TIP-GAN)
- Title（参考訳）: 気候ティッピングポイント発見のための生成的逆ネットワーク(tip-gan)
- Authors: Jennifer Sleeman, David Chung, Anand Gnanadesikan, Jay Brett, Yannis
Kevrekidis, Marisa Hughes, Thomas Haine, Marie-Aude Pradal, Renske
Gelderloos, Chace Ashcraft, Caroline Tang, Anshu Saksena, Larry White
- Abstract要約: TIP-GAN(Tip Point Generative Adversarial Network)は、地球系のモデルにおいて、潜在的な気候の転換点をより正確に識別するためのネットワークである。
このセットアップでは、ジェネレータのセットが、気候の転換点を呼び出すモデル構成を構築することを学ぶ。
我々は、Atlantic Meridional Overturning Circulation (AMOC)の崩壊を誘発するためのこのGANの適用を実証する。
- 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 new Tipping Point Generative Adversarial Network (TIP-GAN) for
better characterizing potential climate tipping points in Earth system models.
We describe an adversarial game to explore the parameter space of these models,
detect upcoming tipping points, and discover the drivers of tipping points. In
this setup, a set of generators learn to construct model configurations that
will invoke a climate tipping point. The discriminator learns to identify which
generators are generating each model configuration and whether a given
configuration will lead to a tipping point. The discriminator is trained using
an oracle (a surrogate climate model) to test if a generated model
configuration leads to a tipping point or not. We demonstrate the application
of this GAN to invoke the collapse of the Atlantic Meridional Overturning
Circulation (AMOC). We share experimental results of modifying the loss
functions and the number of generators to exploit the area of uncertainty in
model state space near a climate tipping point. In addition, we show that our
trained discriminator can predict AMOC collapse with a high degree of accuracy
without the use of the oracle. This approach could generalize to other tipping
points, and could augment climate modeling research by directing users
interested in studying tipping points to parameter sets likely to induce said
tipping points in their computationally intensive climate models.
- Abstract（参考訳）: 我々は,地球系モデルにおける潜在的な気候の転換点のキャラクタリゼーションを改善するため,TIP-GAN(Tip Point Generative Adversarial Network)を提案する。
我々は,これらのモデルのパラメータ空間を探索し,これからのティッピングポイントを検出し,ティッピングポイントのドライバを検出するための敵ゲームについて述べる。
このセットアップでは、ジェネレータのセットが、気候の転換点を呼び出すモデル構成を構築することを学ぶ。
判別器は、どのジェネレータがそれぞれのモデル構成を生成しているか、特定の構成がチップングポイントに繋がるかどうかを識別する。
判別器はoracle(surrogate climate model)を使用してトレーニングされ、生成されたモデル構成がチップングポイントに繋がるかどうかをテストする。
本稿では,Atlantic Meridional Overturning Circulation (AMOC) の崩壊を誘発するためのGANの適用例を示す。
モデル状態空間における不確実性領域を気候傾斜点付近で活用するために,損失関数と発電機数を変更する実験結果を共有する。
さらに、当社の訓練された判別器は、oracleを使わずに、高い精度でamoc崩壊を予測できることを示しました。
このアプローチは、他のティッピングポイントに一般化する可能性があり、また、ティッピングポイントの研究に興味のあるユーザに、計算集約的な気候モデルでそのようなティッピングポイントを誘発する可能性のあるパラメータセットを指示することで、気候モデリングの研究を強化することができる。
関連論文リスト
- ClimDetect: A Benchmark Dataset for Climate Change Detection and Attribution [5.672396746168209]
ClimDetectは、毎日816万の気候スナップショットを標準化したデータセットです。
ClimDetectは、過去の研究で使われた様々な入力変数とターゲット変数を統合し、一貫性を確保する。
私たちのオープンアクセスデータとコードは、モデル評価の改善を通じて気候科学を進化させるためのベンチマークとして役立ちます。
論文 参考訳（メタデータ） (2024-08-28T17:58:53Z) - Precipitation Nowcasting Using Physics Informed Discriminator Generative Models [9.497627628556875]
PySTEPSを含む最先端のモデルでは、予測不可能な分布パターンのため、極端な気象事象を正確に予測するのは難しい。
オランダ王立気象研究所の降水データと気象データを用いて降水流しを行う物理インフォームニューラルネットワークを設計する。
以上の結果から,PID-GANモデルは降水量で数値およびSOTA深部生成モデルよりも優れていた。
論文 参考訳（メタデータ） (2024-06-14T15:12:53Z) - The Importance of Architecture Choice in Deep Learning for Climate
Applications [0.5439020425819]
我々は,ヨーロッパや米国東海岸の気候において重要な気候であるアトランティック・メリディショナル・オーバーターン循環(AMOC)をモデル化する。
任意の時間スケールで任意に極端な気候シナリオを生成し、ニューラルネットワークを使って予測します。
定量化の不確実性により、AMOCの崩壊の臨界点前にある「スパイク」の興味深いパターンは、今世紀中にAMOCの崩壊を予測した以前の分析に疑問を投げかけている。
論文 参考訳（メタデータ） (2024-02-21T18:09:04Z) - Compressing Image-to-Image Translation GANs Using Local Density
Structures on Their Learned Manifold [69.33930972652594]
GAN(Generative Adversarial Networks)は、画像から画像への変換のための複雑なデータ分散のモデル化において、顕著な成功を収めている。
既存のGAN圧縮法は主に知識蒸留や畳み込み分類器の刈り取り技術に依存している。
学習多様体上の元のパラメータ重モデルの密度構造を保存するために,プルーンドモデルを明示的に促すことにより,新しいアプローチを提案する。
画像変換GANモデルであるPix2PixとCycleGANについて,様々なベンチマークデータセットとアーキテクチャを用いて実験を行い,本手法の有効性を実証した。
論文 参考訳（メタデータ） (2023-12-22T15:43:12Z) - Bidirectional Knowledge Reconfiguration for Lightweight Point Cloud
Analysis [74.00441177577295]
ポイントクラウド分析は計算システムのオーバーヘッドに直面し、モバイルやエッジデバイスでの利用を制限する。
本稿では,軽量点雲モデルのための特徴蒸留について検討する。
本研究では,教師から生徒への情報的文脈的知識を抽出するための双方向知識再構成を提案する。
論文 参考訳（メタデータ） (2023-10-08T11:32:50Z) - Controllable Mesh Generation Through Sparse Latent Point Diffusion
Models [105.83595545314334]
メッシュ生成のための新しいスパース潜在点拡散モデルを設計する。
私たちの重要な洞察は、ポイントクラウドをメッシュの中間表現と見なし、代わりにポイントクラウドの分布をモデル化することです。
提案したスパース潜在点拡散モデルにより,生成品質と制御性において優れた性能が得られる。
論文 参考訳（メタデータ） (2023-03-14T14:25:29Z) - Changepoint Detection for Real-Time Spectrum Sharing Radar [0.0]
レーダーは、混雑する無線周波数の干渉を避けるために適応しなければならない。
変化点検出は感覚と予測アルゴリズムに適用され、モデルの精度が向上する。
論文 参考訳（メタデータ） (2022-06-30T18:55:48Z) - Inferential Wasserstein Generative Adversarial Networks [9.859829604054127]
自動エンコーダとWGANを融合する原理的フレームワークである新しい推論ワッサースタインGAN(iWGAN)モデルを導入する。
iWGANはモード崩壊の症状を大幅に緩和し、収束を高速化し、各サンプルの品質チェックの測定を行うことができる。
論文 参考訳（メタデータ） (2021-09-13T00:43:21Z) - Understanding Overparameterization in Generative Adversarial Networks [56.57403335510056]
generative adversarial network (gans) は、非凹型ミニマックス最適化問題を訓練するために用いられる。
ある理論は、グローバル最適解に対する勾配降下 (gd) の重要性を示している。
ニューラルネットワークジェネレータと線形判別器を併用した多層GANにおいて、GDAは、基礎となる非凹面min-max問題の大域的なサドル点に収束することを示す。
論文 参考訳（メタデータ） (2021-04-12T16:23:37Z) - Rethinking Sampling in 3D Point Cloud Generative Adversarial Networks [82.72642388129843]
サンプリング非感受性判別器は点クラスタリングアーティファクトを持つ形状点雲を生成する一方で、サンプリング非感受性判別器は有効な形状生成を導くことができないことを示す。
判別器の異なるサンプリング感度を示すために,サンプリングスペクトルの概念を提案する。
そこで本研究では, サンプリング関連指標において, 既存のクラウドジェネレータをすべて改良した, ミドルポイントサンプリング対応のベースライン判別器であるPointNet-Mixについて検討する。
論文 参考訳（メタデータ） (2020-06-12T09:29:24Z) - Generative PointNet: Deep Energy-Based Learning on Unordered Point Sets
for 3D Generation, Reconstruction and Classification [136.57669231704858]
エネルギーモデルを用いて, 点雲などの無秩序点集合の生成モデルを提案する。
我々はこのモデルをジェネレーティブ・ポイントネット(Generative PointNet)と呼んでいる。
論文 参考訳（メタデータ） (2020-04-02T23:08:10Z)
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。