Fugu-MT 論文翻訳(概要): The First Compute Arms Race: the Early History of Numerical Weather Prediction

論文の概要: The First Compute Arms Race: the Early History of Numerical Weather Prediction

arxiv url: http://arxiv.org/abs/2506.21816v1
Date: Sun, 13 Apr 2025 04:08:29 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-07 02:47:44.329122
Title: The First Compute Arms Race: the Early History of Numerical Weather Prediction
Title（参考訳）: 第1回コンピュータアームレース:数値気象予測の初期史
Authors: Charles Yang,
Abstract要約: この論文は、第2次世界大戦後の数十年間、初期の電子計算機を数値的な天気予報に適用する世界的競争を辿っている。国の数値天気予報の発展を形作った3つの重要な要因を同定する。
参考スコア（独自算出の注目度）: 0.8702432681310401
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper traces the global race to apply early electronic computers to numerical weather prediction in the decades following World War Two. A brief overview of the early history of numerical weather prediction in the United States, United Kingdom, Sweden, Canada, and Japan is provided. Three critical factors that shaped the development of a national numerical weather prediction are identified: compute capabilities, institution building and state capacity, and talent. Several generalizable lessons are identified with a lens towards modern-day development of national strategies to leverage AI to accelerate scientific competitiveness.
Abstract（参考訳）: 本稿は、第2次世界大戦後の数十年間、初期の電子計算機を数値的な天気予報に適用する世界的競争を辿るものである。アメリカ合衆国、イギリス、スウェーデン、カナダ、日本における気象予報の初期の歴史を概観する。国家の数値天気予報の発展を形作る重要な要因として, 計算能力, 施設建設, 国家能力, 人材の3つがあげられる。いくつかの一般化可能な教訓は、科学的な競争力を促進するためにAIを活用する国家戦略の現在の発展に向けたレンズとして特定される。

関連論文リスト

XAI4Extremes: An interpretable machine learning framework for understanding extreme-weather precursors under climate change [9.795404493806402]
気候変動により、極度の気象現象は頻度と強度が増している。数値気象予測や人工知能ツールの進歩に伴い予測スキルが向上している一方で、極端な気象は依然として課題を呈している。本稿では,深層学習モデルで同定された極端ウェザー前駆体を示す関係気象図を構築するために,ポストホック解釈可能性法を提案する。次に、これらの関係マップを異なる複数年周期にまとめて、気候変動がこれらの前駆体に与える影響を理解する。
論文参考訳（メタデータ） (2025-03-11T08:27:08Z)
Spatio-Temporal Conformal Prediction for Power Outage Data [7.006561750578409]
本研究では,広範囲な四半期毎の停止データを解析し,グラフ整列予測法を開発した。本手法の有効性を, 極度気象事象の影響を受けやすいいくつかの州で, 広範囲な数値実験により実証した。
論文参考訳（メタデータ） (2024-11-26T04:34:38Z)
FengWu-W2S: A deep learning model for seamless weather-to-subseasonal forecast of global atmosphere [53.22497376154084]
本研究では,FengWuグローバル気象予報モデルに基づくFengWu-Weather to Subseasonal (FengWu-W2S)を提案する。我々は,FengWu-W2Sが大気環境を3～6週間先まで確実に予測し,マデン・ジュリア振動 (MJO) や北大西洋振動 (NAO) などの地球表面温度, 降水量, 地磁気高度, 季節内信号の予測能力を向上させることを実証した。日時から季節時の予測誤差成長に関するアブレーション実験
論文参考訳（メタデータ） (2024-11-15T13:44:37Z)
Back to the Future: GNN-based NO$_2$ Forecasting via Future Covariates [49.93577170464313]
都市全域にわたる地上監視ネットワークにおける大気質観測について検討する。我々は過去と将来の共変分を現在の観測に埋め込む条件付きブロックを提案する。将来の気象情報に対する条件付けは,過去の交通状況を考えるよりも影響が大きいことが判明した。
論文参考訳（メタデータ） (2024-04-08T09:13:16Z)
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)
Skilful Precipitation Nowcasting Using NowcastNet [0.0]
降水今流しは、農業、輸送、公衆衛生、安全等に影響を及ぼすような事態に備えるのに役立ちます。我々は最近提案した,物理条件の深い生成ネットワークである NowcastNet を用いて,衛星画像を用いたヨーロッパ各地の降水量の予測を行った。
論文参考訳（メタデータ） (2023-11-29T11:24:52Z)
Pangu-Weather: A 3D High-Resolution Model for Fast and Accurate Global Weather Forecast [91.9372563527801]
我々は,世界天気予報を迅速かつ高精度に予測するためのディープラーニングベースのシステムであるPangu-Weatherを紹介する。初めてAIベースの手法が、最先端の数値天気予報法(NWP)を精度で上回った。 Pangu-Weatherは、極端な天気予報や大規模なアンサンブル予測など、幅広い下流予測シナリオをサポートしている。
論文参考訳（メタデータ） (2022-11-03T17:19:43Z)
Forecasting Future World Events with Neural Networks [68.43460909545063]
Autocastは数千の予測質問と付随するニュースコーパスを含むデータセットである。ニュースコーパスは日付によって整理され、人間が過去の予測を行った条件を正確にシミュレートすることができる。予測タスクで言語モデルをテストし、パフォーマンスが人間専門家のベースラインよりはるかに低いことを確認します。
論文参考訳（メタデータ） (2022-06-30T17:59:14Z)
Short-term precipitation prediction using deep learning [5.1589108738893215]
気象フィールドの1つのフレームを用いた3次元畳み込みニューラルネットワークは降水空間分布を予測することができることを示す。このネットワークは、気象学の39年 (1980-2018) のデータと、連続した米国上空の毎日の降水に基づいて開発されている。
論文参考訳（メタデータ） (2021-10-05T06:37:24Z)
A generative adversarial network approach to (ensemble) weather prediction [91.3755431537592]
本研究では,500hPaの圧力レベル,2m温度,24時間の総降水量を予測するために,条件付き深部畳み込み生成対向ネットワークを用いた。提案されたモデルは、2019年に関連する気象分野を予測することを目的として、2015年から2018年までの4年間のERA5の再分析データに基づいて訓練されている。
論文参考訳（メタデータ） (2020-06-13T20:53:17Z)

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。