論文の概要: Data-driven global ocean model resolving ocean-atmosphere coupling dynamics

• arxiv url: http://arxiv.org/abs/2508.10908v1
• Date: Thu, 31 Jul 2025 01:45:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-24 10:27:26.44501
• Title: Data-driven global ocean model resolving ocean-atmosphere coupling dynamics
• Title（参考訳）: データ駆動大洋モデルによる海洋-大気結合ダイナミクスの解明
• Authors: Jeong-Hwan Kim, Daehyun Kang, Young-Min Yang, Jae-Heung Park, Yoo-Geun Ham,
• Abstract要約: 本研究では, 深層学習(DL)に基づくグローバル3次元海洋循環モデルであるKIST-Oceanについて述べる。 部分的畳み込み、敵の訓練、移動学習を統合し、沿岸の複雑さと予測分布の漂流に対処する。 熱帯太平洋におけるケルビン波やロスビー波の伝播や、シクロニック風や非シクロニック風による垂直運動など、現実的な海洋反応を正確に捉えている。
• 参考スコア（独自算出の注目度）: 8.075184647214861
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Artificial intelligence has advanced global weather forecasting, outperforming traditional numerical models in both accuracy and computational efficiency. Nevertheless, extending predictions beyond subseasonal timescales requires the development of deep learning (DL)-based ocean-atmosphere coupled models that can realistically simulate complex oceanic responses to atmospheric forcing. This study presents KIST-Ocean, a DL-based global three-dimensional ocean general circulation model using a U-shaped visual attention adversarial network architecture. KIST-Ocean integrates partial convolution, adversarial training, and transfer learning to address coastal complexity and predictive distribution drift in auto-regressive models. Comprehensive evaluations confirmed the model's robust ocean predictive skill and efficiency. Moreover, it accurately captures realistic ocean response, such as Kelvin and Rossby wave propagation in the tropical Pacific, and vertical motions induced by cyclonic and anticyclonic wind stress, demonstrating its ability to represent key ocean-atmosphere coupling mechanisms underlying climate phenomena, including the El Nino-Southern Oscillation. These findings reinforce confidence in DL-based global weather and climate models and their extending DL-based approaches to broader Earth system modeling, offering potential for enhancing climate prediction capabilities.
• Abstract（参考訳）: 人工知能は世界の天気予報を進歩させ、精度と計算効率の両方で従来の数値モデルを上回っている。 それでも、季節的な時間スケールを超えて予測を延ばすには、深層学習(DL)に基づく海洋-大気結合モデルの開発が必要である。 KIST-Oceanは,U字型ビジュアルアテンション対向ネットワークアーキテクチャを用いて,DLをベースとした大域的な3次元海洋循環モデルである。 KIST-Oceanは、部分的畳み込み、逆行訓練、移動学習を統合して、自動回帰モデルにおける沿岸の複雑さと予測的分布のドリフトに対処する。 総合的な評価により、モデルの堅牢な海洋予測技術と効率性が確認された。 さらに、熱帯太平洋におけるケルビン波やロスビー波の伝播や、シクロニック風と非シクロニック風による垂直運動などの現実的な海洋反応を正確に捉え、エルニーノ・サウス・オシレーションを含む気候現象の根底にある重要な海洋と大気の結合機構を表現する能力を示す。 これらの知見は、DLに基づく地球規模の気象・気候モデルと、その拡張されたDLベースの地球システムモデリングへのアプローチの信頼性を強化し、気候予測能力を向上する可能性を示唆している。

関連論文リスト

• Deep Learning Weather Models for Subregional Ocean Forecasting: A Case Study on the Canary Current Upwelling System [0.0]
  本研究は,当初グローバル気象予報のために開発されたグラフニューラルネットワークを応用し,地域の海洋予測を改善することを目的としている。 このモデルは衛星データを用いて訓練され、海洋力学を捉える際の性能を評価するために最先端の物理海洋モデルと比較される。 以上の結果から, 深層学習モデルは, 高度化に課題があるにもかかわらず, 従来の手法を超越していることがわかった。
  論文  参考訳（メタデータ） (2025-05-30T10:10:40Z)
• 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)
• Coupled Ocean-Atmosphere Dynamics in a Machine Learning Earth System Model [0.6008008212472723]
  我々は,高分解能(0.25deg)人工知能/機械学習(AI/ML)結合土系モデルであるオーシャンリンク大気(Ola)モデルを提案する。 その結果,Olaは適切な位相速度を持つ熱帯海洋波を含む海洋-大気結合力学の学習特性を示すことがわかった。 本研究では,地球物理流体力学研究所のSPEARモデルと比較し,エルニーニョ/南方振動(ENSO)の予測能力を示す。
  論文  参考訳（メタデータ） (2024-06-12T20:29:14Z)
• Data-driven Global Ocean Modeling for Seasonal to Decadal Prediction [39.7461632644892]
  ORCA-DLは,海洋循環の季節的・季節的な予測を行う最初のデータ駆動型3次元海洋モデルである。 三次元海洋力学を正確にシミュレートし、最先端の力学モデルより優れている。 ケイデンスの時間スケールで海洋力学を安定にエミュレートし、巧妙なデケイデンスの予測や気候予測にもその可能性を示す。
  論文  参考訳（メタデータ） (2024-05-24T10:23:17Z)
• 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)
• SALT: Sea lice Adaptive Lattice Tracking -- An Unsupervised Approach to Generate an Improved Ocean Model [72.3183990520267]
  シーライス分散と分布を効率的に推定するためのシーライス適応格子追跡手法を提案する。 具体的には、局所的な海洋特性に基づいて、オーシャンモデルの格子グラフにノードをマージすることで、適応的な空間メッシュを生成する。 提案手法は, 変動する気候下での海洋ライス寄生圧マップの予測モデルにより, 積極的養殖管理の促進を約束するものである。
  論文  参考訳（メタデータ） (2021-06-24T17:29:42Z)

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。