論文の概要: Earth Virtualization Engines -- A Technical Perspective
- arxiv url: http://arxiv.org/abs/2309.09002v1
- Date: Sat, 16 Sep 2023 14:14:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-19 17:50:58.382863
- Title: Earth Virtualization Engines -- A Technical Perspective
- Title（参考訳）: 地球仮想化エンジン --技術的展望
- Authors: Torsten Hoefler, Bjorn Stevens, Andreas F. Prein, Johanna Baehr,
Thomas Schulthess, Thomas F. Stocker, John Taylor, Daniel Klocke, Pekka
Manninen, Piers M. Forster, Tobias K\"olling, Nicolas Gruber, Hartwig Anzt,
Claudia Frauen, Florian Ziemen, Milan Kl\"ower, Karthik Kashinath, Christoph
Sch\"ar, Oliver Fuhrer, Bryan N. Lawrence
- Abstract要約: EVEは、対話的でアクセス可能な気候シミュレーションとデータを、幅広いユーザに提供することを目指している。
それらは高解像度の物理モデルと機械学習技術を組み合わせて、気候予測の忠実さ、効率、解釈可能性を改善する。
- 参考スコア（独自算出の注目度）: 11.370541118978181
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Participants of the Berlin Summit on Earth Virtualization Engines (EVEs)
discussed ideas and concepts to improve our ability to cope with climate
change. EVEs aim to provide interactive and accessible climate simulations and
data for a wide range of users. They combine high-resolution physics-based
models with machine learning techniques to improve the fidelity, efficiency,
and interpretability of climate projections. At their core, EVEs offer a
federated data layer that enables simple and fast access to exabyte-sized
climate data through simple interfaces. In this article, we summarize the
technical challenges and opportunities for developing EVEs, and argue that they
are essential for addressing the consequences of climate change.
- Abstract（参考訳）: ベルリンで開催された地球仮想化エンジン会議(EVE)の参加者は、気候変動に対処する能力を改善するためのアイデアと概念について議論した。
EVEは、対話的でアクセス可能な気候シミュレーションとデータを、幅広いユーザに提供することを目指している。
それらは高解像度の物理モデルと機械学習技術を組み合わせて、気候予測の忠実さ、効率、解釈可能性を改善する。
EVEのコアとなるのは,シンプルなインターフェースを通じて,エクサバイト規模の気候データへの簡単かつ迅速なアクセスを可能にする,フェデレートされたデータレイヤだ。
本稿では,EVE開発における技術的課題と機会を要約し,気候変動の影響に対処するためには,それらが不可欠であると主張する。
関連論文リスト
- Transforming the Hybrid Cloud for Emerging AI Workloads [81.15269563290326]
このホワイトペーパーでは、AIワークロードの複雑さの増大に対応するために、ハイブリッドクラウドシステムを変革することを想定している。
提案したフレームワークは、エネルギー効率、性能、コスト効率において重要な課題に対処する。
この共同イニシアチブは、ハイブリッドクラウドをセキュアで効率的で持続可能なプラットフォームとして確立することを目的としています。
論文 参考訳（メタデータ） (2024-11-20T11:57:43Z) - Foundation Models for Weather and Climate Data Understanding: A
Comprehensive Survey [39.08108001903514]
私たちは、気象や気候データのために特別に設計された最先端のAI方法論を、徹底的に、タイムリーに概説しています。
主な対象は、気象・気候データの種類、主モデル、モデルスコープと応用、気象・気候のデータセットの4つである。
論文 参考訳（メタデータ） (2023-12-05T01:10:54Z) - ClimateLearn: Benchmarking Machine Learning for Weather and Climate
Modeling [20.63843548201849]
ClimateLearnは、データ駆動型気候科学のための機械学習モデルのトレーニングと評価を大幅に単純化する、オープンソースのライブラリである。
これは、現代の機械学習システムによる気象と気候モデリングの研究をブリッジする、最初の大規模かつオープンソースな取り組みである。
論文 参考訳（メタデータ） (2023-07-04T20:36:01Z) - 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) - 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) - AI for Global Climate Cooperation: Modeling Global Climate Negotiations,
Agreements, and Long-Term Cooperation in RICE-N [75.67460895629348]
n個の戦略エージェントによる気候変動緩和に関する長期的な協力は、複雑なゲーム理論の問題を引き起こす。
地球温暖化と経済をシミュレートするマルチリージョン統合アセスメントモデルであるRICE-Nを紹介する。
本稿では,多エージェント強化学習を用いて理性エージェントをRICE-Nで訓練する方法について述べる。
論文 参考訳（メタデータ） (2022-08-15T04:38:06Z) - ClimateGAN: Raising Climate Change Awareness by Generating Images of
Floods [89.61670857155173]
実画像上でのリアルな洪水をシミュレートする手法を提案する。
本研究では、教師なし領域適応と条件付き画像生成のためのシミュレーションデータと実データの両方を活用するモデルであるClimateGANを提案する。
論文 参考訳（メタデータ） (2021-10-06T15:54:57Z) - CLIMATE-FEVER: A Dataset for Verification of Real-World Climate Claims [4.574830585715129]
気候変動関連クレームを検証するための新しいデータセットであるCLIMATE-FEVERを紹介する。
人工的に設計されたクレームの最大のデータセットであるFEVER [1]の方法論を,インターネットから収集した実生活クレームに適用する。
我々は、textscfeverフレームワーク内での現実世界の気候関連クレームをモデル化する、驚くべき、微妙な複雑さについて論じる。
論文 参考訳（メタデータ） (2020-12-01T16:32:54Z) - Dynamical Landscape and Multistability of a Climate Model [64.467612647225]
2つの気候モデルのうちの1つで第3の中間安定状態が見つかる。
我々のアプローチを組み合わせることで、海洋熱輸送とエントロピー生産の負のフィードバックが地球の気候の地形をどのように大きく変えるかを特定することができる。
論文 参考訳（メタデータ） (2020-10-20T15:31:38Z) - 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。