Fugu-MT 論文翻訳(概要): M-ENIAC: A machine learning recreation of the first successful numerical weather forecasts

論文の概要: M-ENIAC: A machine learning recreation of the first successful numerical weather forecasts

arxiv url: http://arxiv.org/abs/2304.09070v1
Date: Tue, 18 Apr 2023 15:42:46 GMT
ステータス: 処理完了
システム内更新日: 2023-04-19 14:14:30.619975
Title: M-ENIAC: A machine learning recreation of the first successful numerical weather forecasts
Title（参考訳）: M-ENIAC:最初の数値天気予報を機械学習で再現する
Authors: R\"udiger Brecht and Alex Bihlo
Abstract要約: 物理インフォームドニューラルネットワークを用いて、最初の数値天気予報を再現する。物理インフォームドニューラルネットワークは、ENIACソルバと比較して、球面上の気象方程式を解くための、より簡単で正確な手法を提供する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In 1950 the first successful numerical weather forecast was obtained by solving the barotropic vorticity equation using the Electronic Numerical Integrator and Computer (ENIAC), which marked the beginning of the age of numerical weather prediction. Here, we ask the question of how these numerical forecasts would have turned out, if machine learning based solvers had been used instead of standard numerical discretizations. Specifically, we recreate these numerical forecasts using physics-informed neural networks. We show that physics-informed neural networks provide an easier and more accurate methodology for solving meteorological equations on the sphere, as compared to the ENIAC solver.
Abstract（参考訳）: 1950年、電子数値積分器と計算機(ENIAC)を用いたバロトロピック渦性方程式を解くことで、最初の数値天気予報が成功し、数値天気予報の始まりとなった。ここでは,従来の数値離散化ではなく,機械学習に基づく解法を用いていた場合,これらの数値予測がどうなったのかを問う。具体的には、物理インフォームドニューラルネットワークを用いてこれらの数値予測を再現する。物理インフォームドニューラルネットワークは、ENIACソルバと比較して、球面上の気象方程式を解くための、より簡単で正確な手法を提供する。

関連論文リスト

Generalizing Weather Forecast to Fine-grained Temporal Scales via Physics-AI Hybrid Modeling [55.13352174687475]
本稿では,天気予報をより微細なテンポラルスケールに一般化する物理AIハイブリッドモデル(WeatherGFT)を提案する。具体的には、小さな時間スケールで物理進化をシミュレートするために、慎重に設計されたPDEカーネルを用いる。我々は、異なるリードタイムでのモデルの一般化を促進するためのリードタイムアウェアトレーニングフレームワークを導入する。
論文参考訳（メタデータ） (2024-05-22T16:21:02Z)
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)
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)
Physics-constrained deep learning postprocessing of temperature and humidity [0.0]
深層学習に基づく後処理モデルにおける物理的整合性を実現することを提案する。熱力学状態方程式を強制するためにニューラルネットワークを制約することは、物理的に一貫性のある予測をもたらす。
論文参考訳（メタデータ） (2022-12-07T09:31:25Z)
MAgNet: Mesh Agnostic Neural PDE Solver [68.8204255655161]
気候予測は、流体シミュレーションにおける全ての乱流スケールを解決するために、微細な時間分解能を必要とする。現在の数値モデル解法 PDEs on grids that too coarse (3km～200km on each side) 本研究では,空間的位置問合せが与えられたPDEの空間的連続解を予測する新しいアーキテクチャを設計する。
論文参考訳（メタデータ） (2022-10-11T14:52:20Z)
Efficient spatio-temporal weather forecasting using U-Net [0.0]
天気予報は、人間の日常生活における様々な側面において重要な役割を果たす。ディープラーニングに基づくモデルは、多くの天気予報関連タスクで広範囲に成功している。
論文参考訳（メタデータ） (2021-12-13T10:28:33Z)
Hessian-based toolbox for reliable and interpretable machine learning in physics [58.720142291102135]
本稿では,モデルアーキテクチャの解釈可能性と信頼性,外挿を行うためのツールボックスを提案する。与えられたテストポイントでの予測に対する入力データの影響、モデル予測の不確実性の推定、およびモデル予測の不可知スコアを提供する。我々の研究は、物理学やより一般的には科学に適用されたMLにおける解釈可能性と信頼性の方法の体系的利用への道を開く。
論文参考訳（メタデータ） (2021-08-04T16:32:59Z)
A computationally efficient neural network for predicting weather forecast probabilities [0.0]
ニューラルネットワークを用いて1つの出力値ではなく確率密度関数を予測するという,新しいアプローチを採用する。これにより、ニューラルネットワーク予測における不確実性とスキルメトリクスの両方の計算が可能になる。このアプローチは純粋にデータ駆動であり、ニューラルネットワークはWeatherBenchデータセット上で訓練される。
論文参考訳（メタデータ） (2021-03-26T12:28:15Z)
One-step regression and classification with crosspoint resistive memory arrays [62.997667081978825]
高速で低エネルギーのコンピュータは、エッジでリアルタイム人工知能を実現するために要求されている。ワンステップ学習は、ボストンの住宅のコスト予測と、MNIST桁認識のための2層ニューラルネットワークのトレーニングによって支援される。結果は、クロスポイントアレイ内の物理計算、並列計算、アナログ計算のおかげで、1つの計算ステップで得られる。
論文参考訳（メタデータ） (2020-05-05T08:00:07Z)
Ensemble methods for neural network-based weather forecasts [0.0]
我々は,決定論的ニューラルネットワーク天気予報システムをアンサンブル予測システムに変換することを目指している。ランダムな初期摂動、ニューラルネットワークの再学習、ネットワークにおけるランダムなドロップアウトの使用、特異ベクトル分解による初期摂動の生成の4つの方法をテストする。
論文参考訳（メタデータ） (2020-02-13T09:28:21Z)

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。