論文の概要: Next-Generation Earth System Models: Towards Reliable Hybrid Models for Weather and Climate Applications

• arxiv url: http://arxiv.org/abs/2311.13691v2
• Date: Fri, 26 Jan 2024 08:41:30 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-29 17:37:09.495049
• Title: Next-Generation Earth System Models: Towards Reliable Hybrid Models for Weather and Climate Applications
• Title（参考訳）: 次世代地球システムモデル:気象・気候応用のための信頼性のあるハイブリッドモデルを目指して
• Authors: Tom Beucler, Erwan Koch, Sven Kotlarski, David Leutwyler, Adrien Michel, Jonathan Koh
• Abstract要約: 我々は、機械学習が地球システムをモデル化する能力をどう変えたのか、そしてスイスのエンドユーザーにとっての最近のブレークスルーをどのように期待しているかを概観する。 レビューから3つのレコメンデーションを特定します。
• 参考スコア（独自算出の注目度）: 0.07710102716793873
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We review how machine learning has transformed our ability to model the Earth system, and how we expect recent breakthroughs to benefit end-users in Switzerland in the near future. Drawing from our review, we identify three recommendations. Recommendation 1: Develop Hybrid AI-Physical Models: Emphasize the integration of AI and physical modeling for improved reliability, especially for longer prediction horizons, acknowledging the delicate balance between knowledge-based and data-driven components required for optimal performance. Recommendation 2: Emphasize Robustness in AI Downscaling Approaches, favoring techniques that respect physical laws, preserve inter-variable dependencies and spatial structures, and accurately represent extremes at the local scale. Recommendation 3: Promote Inclusive Model Development: Ensure Earth System Model development is open and accessible to diverse stakeholders, enabling forecasters, the public, and AI/statistics experts to use, develop, and engage with the model and its predictions/projections.
• Abstract（参考訳）: 我々は、機械学習が地球システムをモデル化する能力をいかに変えたか、そして近い将来スイスのエンドユーザーにとって、最近のブレークスルーがいかに利益をもたらすかをレビューする。 レビューから3つの推奨事項を特定します。 推奨1: ハイブリッドAI物理モデルの開発: 信頼性を改善するために、AIと物理モデリングの統合を強調する。 推奨2: AIダウンスケーリングアプローチにおけるロバスト性を強調し、物理法則を尊重し、変数間の依存関係と空間構造を保存し、局所スケールでの極端な表現を正確に行うテクニックを推奨する。 推奨3: 包括的モデル開発を促進する: 地球システムモデルの開発が多様な利害関係者に開放され、予測者、一般人、ai/統計の専門家がモデルとその予測/予測に使用、開発、関与できるようにする。

関連論文リスト

• Exploring the Interplay Between Video Generation and World Models in Autonomous Driving: A Survey [61.39993881402787]
  世界モデルとビデオ生成は、自動運転の領域において重要な技術である。 本稿では,この2つの技術の関係について検討する。 映像生成モデルと世界モデルとの相互作用を分析することにより,重要な課題と今後の研究方向性を明らかにする。
  論文  参考訳（メタデータ） (2024-11-05T08:58:35Z)
• Automatically Learning Hybrid Digital Twins of Dynamical Systems [56.69628749813084]
  Digital Twins (DT)は、現実世界のシステムの状態と時間力学をシミュレートする。 DTは、しばしばデータスカース設定で目に見えない条件に一般化するのに苦労します。 本稿では,HDTwinsを自律的に提案し,評価し,最適化するための進化的アルゴリズム(textbfHDTwinGen$)を提案する。
  論文  参考訳（メタデータ） (2024-10-31T07:28:22Z)
• Recommendations for Comprehensive and Independent Evaluation of Machine Learning-Based Earth System Models [1.855613172745558]
  機械学習(ML)は天気予報において最も目に見えるもので、現代の物理学ベースのモデルに匹敵する予測を生成する。 地球系モデル(ESM)の予測モデル開発に向けた取り組みが現在進行中である。 本稿では,信頼性を高め,幅広い利用を促進するための5つの勧告を提案する。
  論文  参考訳（メタデータ） (2024-10-24T20:01:12Z)
• DOME: Taming Diffusion Model into High-Fidelity Controllable Occupancy World Model [14.996395953240699]
  DOMEは拡散に基づく世界モデルであり、過去の占有観察に基づいて将来の占有枠を予測する。 この世界のモデルが環境の進化を捉える能力は、自動運転の計画に不可欠である。
  論文  参考訳（メタデータ） (2024-10-14T12:24:32Z)
• Seeing Eye to AI: Human Alignment via Gaze-Based Response Rewards for Large Language Models [46.09562860220433]
  暗黙のフィードバック(特に眼球追跡(ET)データ)をReward Model(RM)に統合する新しいフレームワークであるGazeRewardを紹介します。 提案手法は、確立された人間の嗜好データセット上でのRMの精度を大幅に向上させる。
  論文  参考訳（メタデータ） (2024-10-02T13:24:56Z)
• 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)
• 3D Pose Nowcasting: Forecast the Future to Improve the Present [65.65178700528747]
  本研究では,骨格関節の3次元位置を正確に把握するために,深度データを利用した新しい視覚ベースシステムを提案する。 本稿では,現在のポーズ推定精度を高めるため,提案システムの有効性を示すPose Nowcastingの概念を紹介する。 実験的な評価は2つの異なるデータセットで行われ、正確かつリアルタイムなパフォーマンスを提供する。
  論文  参考訳（メタデータ） (2023-08-24T16:40:47Z)
• 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)
• LOPR: Latent Occupancy PRediction using Generative Models [49.15687400958916]
  LiDARの生成した占有グリッドマップ(L-OGM)は、頑丈な鳥の視線シーンを表現している。 本稿では,学習空間内での表現学習と予測という,占有率予測を分離する枠組みを提案する。
  論文  参考訳（メタデータ） (2022-10-03T22:04:00Z)
• Knowledge-Guided Dynamic Systems Modeling: A Case Study on Modeling River Water Quality [8.110949636804774]
  実世界の現象をモデル化することは、エコロジーモデリングや財務予測など、多くの科学と工学の取り組みの焦点である。 複雑な動的システムのための正確なモデルの構築は、基盤となるプロセスの理解を改善し、リソース効率に繋がる。 反対の極端に、データ駆動モデリングはデータから直接モデルを学び、広範囲なデータと潜在的に過剰なフィッティングを生成する。 中間的アプローチであるモデルリビジョンに注目し,事前知識とデータを組み合わせることで,両世界のベストを達成する。
  論文  参考訳（メタデータ） (2021-03-01T06:31:38Z)
• Reservoir Computing as a Tool for Climate Predictability Studies [0.0]
  我々は、Reservoir Computingが線形逆モデリングアプローチの予測スキルを改善する代替非線形アプローチを提供することを示す。 RC手法の幅広い条件に対する予測能力の向上は、この機械学習技術が気候予測可能性研究に有効である可能性を示唆している。
  論文  参考訳（メタデータ） (2021-02-24T22:22:59Z)

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。