論文の概要: ACE2: Accurately learning subseasonal to decadal atmospheric variability and forced responses

• arxiv url: http://arxiv.org/abs/2411.11268v1
• Date: Mon, 18 Nov 2024 03:57:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-19 14:26:30.157416
• Title: ACE2: Accurately learning subseasonal to decadal atmospheric variability and forced responses
• Title（参考訳）: ACE2: 秋季の大気変動と強制応答を正確に学習する
• Authors: Oliver Watt-Meyer, Brian Henn, Jeremy McGibbon, Spencer K. Clark, Anna Kwa, W. Andre Perkins, Elynn Wu, Lucas Harris, Christopher S. Bretherton,
• Abstract要約: ACE2 (Ai2 Climate Emulator version 2) では過去80年間の大気変動を数日から数十年の時間スケールで再現する。 世界規模の乾いた空気量と湿気を正確に保存し、壁時計1日あたり1500年程度のスループットで、任意に多くのステップで安定して前進することができる。 過去80年間に、エルニーニョの変動と地球の温度トレンドに対する大気の反応を正確に再現する。
• 参考スコア（独自算出の注目度）: 0.06402007769361055
• License:
• Abstract: Existing machine learning models of weather variability are not formulated to enable assessment of their response to varying external boundary conditions such as sea surface temperature and greenhouse gases. Here we present ACE2 (Ai2 Climate Emulator version 2) and its application to reproducing atmospheric variability over the past 80 years on timescales from days to decades. ACE2 is a 450M-parameter autoregressive machine learning emulator, operating with 6-hour temporal resolution, 1{\deg} horizontal resolution and eight vertical layers. It exactly conserves global dry air mass and moisture and can be stepped forward stably for arbitrarily many steps with a throughput of about 1500 simulated years per wall clock day. ACE2 generates emergent phenomena such as tropical cyclones, the Madden Julian Oscillation, and sudden stratospheric warmings. Furthermore, it accurately reproduces the atmospheric response to El Ni\~no variability and global trends of temperature over the past 80 years. However, its sensitivities to separately changing sea surface temperature and carbon dioxide are not entirely realistic.
• Abstract（参考訳）: 既存の機械学習モデルでは、海面温度や温室効果ガスなどの外部境界条件に対する応答を評価することはできない。 ここでは、ACE2 (Ai2 Climate Emulator version2) と、過去80年間の大気変動を数日から数十年の時間スケールで再現するためのその応用について述べる。 ACE2は、450Mパラメータの自動回帰機械学習エミュレータで、6時間の時間分解能、1{\deg}水平分解能、8つの垂直層で動作する。 世界規模の乾いた空気量と湿気を正確に保存し、壁時計1日あたり1500年程度のスループットで、任意に多くのステップで安定して前進することができる。 ACE2は、熱帯性サイクロン、マデン・ジュリアン振動、突然の成層圏の温暖化などの創発的な現象を発生させる。 さらに、過去80年間に変化のないエルNiの大気応答と地球の温度トレンドを正確に再現する。 しかし、海面温度と二酸化炭素を別々に変化させる感度は、完全に現実的ではない。

関連論文リスト

• PACER: Physics Informed Uncertainty Aware Climate Emulator [0.0]
  PACERは、温室効果ガスの排出データのみを訓練しながら、86年間安定して温度と降水量をエミュレートする。 境界条件を考慮に入れたPACERにおいて, 対流拡散の基本的な物理法則を取り入れた。 PACERは、気候モデルの大半でベースラインを上回り、気候セットによって提供される15の気候モデルで訓練されている。
  論文  参考訳（メタデータ） (2024-10-29T01:53:40Z)
• Robustness of AI-based weather forecasts in a changing climate [1.4779266690741741]
  現状の機械学習モデルは、現在の気候における天気予報のために訓練されたものであり、様々な気候状態において熟練した予測をもたらすことを示す。 現在の制限にもかかわらず、我々の結果は、データ駆動機械学習モデルが気候科学に強力なツールを提供することを示唆している。
  論文  参考訳（メタデータ） (2024-09-27T08:11:49Z)
• OXYGENERATOR: Reconstructing Global Ocean Deoxygenation Over a Century with Deep Learning [50.365198230613956]
  既存の専門家が支配する数値シミュレーションは、地球温暖化や人的活動によって引き起こされる動的変動に追いつかなかった。 1920年から2023年までの世界の海洋脱酸素モデルを再構築するために,最初の深層学習モデルであるOxyGeneratorを提案する。
  論文  参考訳（メタデータ） (2024-05-12T09:32:40Z)
• ACE: A fast, skillful learned global atmospheric model for climate prediction [9.778315723816549]
  既存のMLベースの大気モデルは、気候予測には適していない。 本稿では,既存の100km大域大気モデルに対する機械学習エミュレータであるACEについて述べる。 100年間安定しており、明確な制約なしに柱の水分をほとんど保存し、参照モデルの気候を忠実に再現している。
  論文  参考訳（メタデータ） (2023-10-03T14:15:06Z)
• Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
  気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。 ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。 このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
  論文  参考訳（メタデータ） (2023-09-24T19:57:22Z)
• Expanding Mars Climate Modeling: Interpretable Machine Learning for Modeling MSL Relative Humidity [0.0]
  本稿では,機械学習技術を活用した火星の気候モデリング手法を提案する。 我々の研究は、Gale Craterの相対湿度を正確にモデル化するために設計されたディープニューラルネットワークを提案する。 我々のニューラルネットワークは、いくつかの気象変数を用いて、ガレクレーターの相対湿度を効果的にモデル化できることがわかった。
  論文  参考訳（メタデータ） (2023-09-04T08:15:15Z)
• 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)
• 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)
• DeepClimGAN: A High-Resolution Climate Data Generator [60.59639064716545]
  地球系モデル(ESM)は、気候変動シナリオの将来の予測を生成するためにしばしば用いられる。 妥協として、エミュレータはかなり安価であるが、ESMの複雑さを全て備えているわけではない。 本稿では, ESMエミュレータとして, 条件付き生成逆数ネットワーク(GAN)の使用を実証する。
  論文  参考訳（メタデータ） (2020-11-23T20:13:37Z)
• 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)
• Analysis of Greenhouse Gases [0.0]
  気候変動は、温室効果ガス(GHG)、海、陸、氷、雲の複雑な相互作用の結果である。 IPCCは、温室効果ガスの排出が対流圏の平均温度に与える影響について報告した。 予測では、世紀の終わりまでには0.8Cから5Cに温度が上昇すると予想されている。
  論文  参考訳（メタデータ） (2020-03-21T17:50:30Z)

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。