Fugu-MT 論文翻訳(概要): AQUAH: Automatic Quantification and Unified Agent in Hydrology

論文の概要: AQUAH: Automatic Quantification and Unified Agent in Hydrology

arxiv url: http://arxiv.org/abs/2508.02936v1
Date: Mon, 04 Aug 2025 22:26:50 GMT
ステータス: 翻訳完了
システム内更新日: 2025-08-06 18:18:55.705627
Title: AQUAH: Automatic Quantification and Unified Agent in Hydrology
Title（参考訳）: AquaH:水文学における自動定量化と統一剤
Authors: Songkun Yan, Zhi Li, Siyu Zhu, Yixin Wen, Mofan Zhang, Mengye Chen, Jie Cao, Yang Hong,
Abstract要約: 本稿では,水文モデルに特化して設計された,エンドツーエンドの言語ベースエージェントであるAQUAHを紹介する。 AquaHは、必要な地形、強制、ゲージデータを自律的に回収し、水理モデルを設定し、シミュレーションを実行し、自己完結したPDFレポートを生成する。アメリカ合衆国の盆地での最初の実験は、AquaHが冷間始動シミュレーションを完了し、手動で介入することなくアナリスト対応の文書を作成できることを示している。
参考スコア（独自算出の注目度）: 8.254234496700015
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We introduce AQUAH, the first end-to-end language-based agent designed specifically for hydrologic modeling. Starting from a simple natural-language prompt (e.g., 'simulate floods for the Little Bighorn basin from 2020 to 2022'), AQUAH autonomously retrieves the required terrain, forcing, and gauge data; configures a hydrologic model; runs the simulation; and generates a self-contained PDF report. The workflow is driven by vision-enabled large language models, which interpret maps and rasters on the fly and steer key decisions such as outlet selection, parameter initialization, and uncertainty commentary. Initial experiments across a range of U.S. basins show that AQUAH can complete cold-start simulations and produce analyst-ready documentation without manual intervention. The results are judged by hydrologists as clear, transparent, and physically plausible. While further calibration and validation are still needed for operational deployment, these early outcomes highlight the promise of LLM-centered, vision-grounded agents to streamline complex environmental modeling and lower the barrier between Earth observation data, physics-based tools, and decision makers.
Abstract（参考訳）: 本稿では,水文モデルに特化して設計された,エンドツーエンドの言語ベースエージェントであるAQUAHを紹介する。単純な自然言語のプロンプト(例:「2020年から2022年までリトルビッグホーン盆地の洪水をシミュレートする」)から始まるAquaHは、必要な地形、強制、およびゲージデータを自律的に回収し、水理モデルを設定し、シミュレーションを実行し、自己完結したPDFレポートを生成する。ワークフローは視覚対応の大規模言語モデルによって駆動され、オンザフライで地図やラスタを解釈し、出口の選択、パラメータの初期化、不確かさの注釈などの重要な決定を下す。アメリカ合衆国の盆地での最初の実験は、AquaHが冷間始動シミュレーションを完了し、手動で介入することなくアナリスト対応の文書を作成できることを示している。結果は、水学者によって透明で透明で物理的に妥当であると判断される。運用運用にはさらなるキャリブレーションと検証が必要であるが、これらの初期の成果は、複雑な環境モデリングを効率化し、地球観測データ、物理ベースのツール、意思決定者の間の障壁を低くするLLM中心の視覚的エージェントの約束を強調している。

関連論文リスト

Machine Learning for Proactive Groundwater Management: Early Warning and Resource Allocation [1.372066170415575]
我々は,気候データ,水文気象記録,生理特性を用いて地下水位を推定する機械学習パイプラインを開発した。我々のアプローチは、地理空間前処理、ドメイン駆動機能エンジニアリング、監視制限を克服する自動モデル選択を統合している。
論文参考訳（メタデータ） (2025-06-18T00:41:04Z)
Learning Underwater Active Perception in Simulation [51.205673783866146]
タービディティは、検査された構造物の正確な視覚的記録を阻止する可能性があるため、ミッション全体を危険に晒す可能性がある。従来の研究は、濁度や後方散乱に適応する手法を導入してきた。本研究では, 広範囲の水環境下での高品質な画像取得を実現するための, 単純かつ効率的なアプローチを提案する。
論文参考訳（メタデータ） (2025-04-23T06:48:38Z)
LANGTRAJ: Diffusion Model and Dataset for Language-Conditioned Trajectory Simulation [94.84458417662404]
LangTrajは、トラフィックシナリオにおけるすべてのエージェントの共同動作をシミュレートする、言語条件のシーン拡散モデルである。自然言語入力を条件付けすることで、LangTrajはインタラクティブな振る舞いを柔軟かつ直感的に制御できる。 LangTraj氏は、リアリズム、言語制御性、言語条件の安全クリティカルなシミュレーションにおいて、強力なパフォーマンスを示している。
論文参考訳（メタデータ） (2025-04-15T17:14:06Z)
AI-Driven Reinvention of Hydrological Modeling for Accurate Predictions and Interpretation to Transform Earth System Modeling [19.028024402759467]
HydroTraceは、ストリームフローを予測するアルゴリズム駆動のデータに依存しないモデルである。ナッシュ・サトクリフ効率は98%に達し、目に見えないデータに対して強い一般化を示す。
論文参考訳（メタデータ） (2025-01-07T18:59:53Z)
Towards an Autonomous Surface Vehicle Prototype for Artificial Intelligence Applications of Water Quality Monitoring [68.41400824104953]
本稿では,人工知能アルゴリズムの利用と水質モニタリングのための高感度センシング技術に対処する車両プロトタイプを提案する。車両には水質パラメータと水深を測定するための高品質なセンサーが装備されている。ステレオカメラにより、実際の環境でのマクロプラスチックの検出と検出も可能である。
論文参考訳（メタデータ） (2024-10-08T10:35:32Z)
A Sonar-based AUV Positioning System for Underwater Environments with Low Infrastructure Density [2.423370951696279]
本研究では,人為的資産の分散分布を考慮したAUV(Autonomous Underwater Vehicles)のための,新しいリアルタイムソナーベースグローバル位置決めアルゴリズムを提案する。実水中植物に類似した模擬環境下での予備実験は有望な結果をもたらした。
論文参考訳（メタデータ） (2024-05-03T09:53:28Z)
Towards Interpretable Physical-Conceptual Catchment-Scale Hydrological Modeling using the Mass-Conserving-Perceptron [1.1510009152620668]
本研究では, ニューラル・アーキテクチャー・サーチを用いて, 異なる気候環境下での漁獲量に対する最小限の表現を適切に決定することにより, 地域規模のMPPに基づく水文モデル(大規模なサンプルデータを用いた)の解釈の段階を定めている。
論文参考訳（メタデータ） (2024-01-25T21:26:49Z)
Rapid Flood Inundation Forecast Using Fourier Neural Operator [77.30160833875513]
洪水浸水予測は洪水前後の緊急計画に重要な情報を提供する。近年,高分解能な流体力学モデリングが普及しつつあるが,道路の洪水範囲やリアルタイムのビルディングレベルは依然として計算的に要求されている。洪水範囲と浸水深度予測のためのハイブリッドプロセスベースおよびデータ駆動機械学習(ML)アプローチを提案する。
論文参考訳（メタデータ） (2023-07-29T22:49:50Z)
Learning Large-scale Subsurface Simulations with a Hybrid Graph Network Simulator [57.57321628587564]
本研究では3次元地下流体の貯留層シミュレーションを学習するためのハイブリッドグラフネットワークシミュレータ (HGNS) を提案する。 HGNSは、流体の進化をモデル化する地下グラフニューラルネットワーク(SGNN)と、圧力の進化をモデル化する3D-U-Netで構成されている。産業標準地下フローデータセット(SPE-10)と1100万セルを用いて,HGNSが標準地下シミュレータの18倍の推算時間を短縮できることを実証した。
論文参考訳（メタデータ） (2022-06-15T17:29:57Z)
Attention U-Net as a surrogate model for groundwater prediction [13.029731605492252]
本研究では,地下水系の応答を計算するための代理モデルとして,物理に基づく畳み込みエンコーダ・デコーダニューラルネットワークを提案する。クロスドメインマッピングにおいて強い確約を持つエンコーダ・デコーダネットワークは、物理システムの複雑な入出力マッピングの学習に適用可能である。
論文参考訳（メタデータ） (2022-04-09T17:46:24Z)
SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
論文参考訳（メタデータ） (2021-12-22T14:45:37Z)

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。