論文の概要: SamudrACE: Fast and Accurate Coupled Climate Modeling with 3D Ocean and Atmosphere Emulators
- arxiv url: http://arxiv.org/abs/2509.12490v1
- Date: Mon, 15 Sep 2025 22:27:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-17 17:50:52.78474
- Title: SamudrACE: Fast and Accurate Coupled Climate Modeling with 3D Ocean and Atmosphere Emulators
- Title（参考訳）: SamudrACE: 3D海洋と大気エミュレータを用いた高速で正確な結合型気候モデリング
- Authors: James P. C. Duncan, Elynn Wu, Surya Dheeshjith, Adam Subel, Troy Arcomano, Spencer K. Clark, Brian Henn, Anna Kwa, Jeremy McGibbon, W. Andre Perkins, William Gregory, Carlos Fernandez-Granda, Julius Busecke, Oliver Watt-Meyer, William J. Hurlin, Alistair Adcroft, Laure Zanna, Christopher Bretherton,
- Abstract要約: SamudrACEは、水平1度、大気6時間、海洋5日の分解能で何世紀にもわたってシミュレーションを制作している。
高度に安定しており、その成分に匹敵する気候バイアスが低い。
- 参考スコア（独自算出の注目度）: 6.297785124293287
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Traditional numerical global climate models simulate the full Earth system by exchanging boundary conditions between separate simulators of the atmosphere, ocean, sea ice, land surface, and other geophysical processes. This paradigm allows for distributed development of individual components within a common framework, unified by a coupler that handles translation between realms via spatial or temporal alignment and flux exchange. Following a similar approach adapted for machine learning-based emulators, we present SamudrACE: a coupled global climate model emulator which produces centuries-long simulations at 1-degree horizontal, 6-hourly atmospheric, and 5-daily oceanic resolution, with 145 2D fields spanning 8 atmospheric and 19 oceanic vertical levels, plus sea ice, surface, and top-of-atmosphere variables. SamudrACE is highly stable and has low climate biases comparable to those of its components with prescribed boundary forcing, with realistic variability in coupled climate phenomena such as ENSO that is not possible to simulate in uncoupled mode.
- Abstract（参考訳）: 伝統的な数値的なグローバル気候モデルは、大気、海、海氷、陸面、その他の物理過程の別個のシミュレーター間で境界条件を交換することで、地球システム全体をシミュレートする。
このパラダイムは、空間的または時間的アライメントとフラックス交換を通じて領域間の変換を処理するカプラによって統一された、共通のフレームワーク内で個々のコンポーネントの分散開発を可能にする。
機械学習をベースとしたエミュレータに類似したアプローチを取り入れたSamudrACEは, 海氷, 表面, 大気上変数に加えて, 海氷, 表層, 大気上変数に加えて, 大気中の1452D領域で, 水平1時間, 大気6時間, 海洋5日で何世紀にもわたってシミュレーションを行う大域気候モデルエミュレータである。
SamudrACEは、高度に安定しており、所定の境界強制力を持つコンポーネントに匹敵する低い気候バイアスを持ち、アンカップリングモードではシミュレートできないENSOのような結合した気候現象における現実的な変動がある。
関連論文リスト
- Spatiotemporal Pyramid Flow Matching for Climate Emulation [12.682343033641137]
生成モデルは、地球の変化する気候をエミュレートする方法を変える可能性がある。
以前の生成的アプローチは、気候エミュレーションのための気象スケールの自己回帰に依存していた。
SPFは空間的および時間的スケールでデータを階層的にモデル化する新しいタイプのマッチングアプローチである。
論文 参考訳（メタデータ） (2025-12-01T23:20:03Z) - Benchmarking atmospheric circulation variability in an AI emulator, ACE2, and a hybrid model, NeuralGCM [0.0]
物理に基づく、所定の海面温度を持つ大気圏モデルは、顕著な成功であるが、観測と比較して大気の変動を示す能力にもバイアスがある。
近年、AIエミュレータとハイブリッドモデルが登場し、これらのバイアスを克服する可能性を秘めている。
論文 参考訳（メタデータ） (2025-10-06T03:42:18Z) - Causal Climate Emulation with Bayesian Filtering [17.110430055067756]
我々は因果表現学習に基づく解釈可能な気候モデルエミュレータを開発した。
安定な自己回帰エミュレーションのためのベイズフィルタを含む物理インフォームドアプローチを導出する。
論文 参考訳（メタデータ） (2025-06-11T16:00:55Z) - Cosmos-Transfer1: Conditional World Generation with Adaptive Multimodal Control [97.98560001760126]
複数の空間制御入力に基づいて世界シミュレーションを生成する条件付き世界生成モデルであるCosmos-Transferを導入する。
提案したモデルを解析し,ロボット2Realや自律走行車データ豊かさを含む物理AIへの応用を実証するために評価を行う。
論文 参考訳（メタデータ） (2025-03-18T17:57:54Z) - Simultaneous emulation and downscaling with physically-consistent deep learning-based regional ocean emulators [2.369898950737752]
本稿では,メキシコ湾の高解像度海域に着目したAIを用いた海洋エミュレーション・ダウンスケーリングフレームワークを提案する。
このフレームワークは、短期的なスキルと、平均と可変性の観点からの正確な長期統計の両方を示している。
論文 参考訳（メタデータ） (2025-01-09T08:28:31Z) - Samudra: An AI Global Ocean Emulator for Climate [27.24070831177446]
我々は、最先端の気候モデルにおける海洋成分のグローバルエミュレータを構築した。
多層海洋データに基づいてトレーニングしたConvNeXt UNetアーキテクチャを改良した。
海洋エミュレータ - Samudra は, 海洋変数の深さ構造と年次変動を再現できることを示す。
論文 参考訳（メタデータ） (2024-12-05T01:25:34Z) - DrivingSphere: Building a High-fidelity 4D World for Closed-loop Simulation [54.02069690134526]
本研究では,現実的でクローズドループなシミュレーションフレームワークであるDrivingSphereを提案する。
その中核となる考え方は、4Dの世界表現を構築し、実生活と制御可能な運転シナリオを生成することである。
動的で現実的なシミュレーション環境を提供することで、DrivingSphereは自律運転アルゴリズムの包括的なテストと検証を可能にする。
論文 参考訳（メタデータ） (2024-11-18T03:00:33Z) - FREE: The Foundational Semantic Recognition for Modeling Environmental Ecosystems [56.0640340392818]
我々は、様々な特徴と利用可能な情報を使ってユニバーサルモデルを訓練するフレームワーク、FREEを導入する。
その中核となる考え方は、利用可能な環境データをテキスト空間にマッピングし、環境科学における従来の予測モデリングタスクを意味認識問題に変換することである。
河川水温予測と収穫量予測という2つの社会学的に重要な実世界の応用に対する評価は、FREEが複数のベースラインよりも優れていることを示す。
論文 参考訳（メタデータ） (2023-11-17T00:53:09Z) - ClimSim-Online: A Large Multi-scale Dataset and Framework for Hybrid ML-physics Climate Emulation [45.201929285600606]
我々は、ハイブリッドML物理シミュレータを開発するためのエンドツーエンドワークフローを含むClimSim-Onlineを提案する。
データセットはグローバルで、高いサンプリング頻度で10年間にわたっています。
MLモデルを運用環境シミュレータに統合するための、クロスプラットフォームでコンテナ化されたパイプラインを提供します。
論文 参考訳（メタデータ） (2023-06-14T21:26:31Z) - ClimaX: A foundation model for weather and climate [51.208269971019504]
ClimaXは気象と気候科学のディープラーニングモデルである。
気候データセットの自己教師型学習目標で事前トレーニングすることができる。
気候や気候の様々な問題に対処するために、微調整が可能である。
論文 参考訳（メタデータ） (2023-01-24T23:19:01Z) - 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) - HECT: High-Dimensional Ensemble Consistency Testing for Climate Models [1.7587442088965226]
気候モデルは、気候変動が気候変動に与える影響を理解する上で重要な役割を担い、気候変動のリスクを軽減し、決定を通知する。
コミュニティアース・システム・モデル (CESM) のような大域的な気候モデルは、大気、陸、海、氷の相互作用を記述する数百万行のコードで非常に複雑である。
私たちの研究は、木に基づくアルゴリズムやディープニューラルネットワークのような確率論的手法を使って、高次元および人為的なデータの統計的に厳密な適合性テストを行います。
論文 参考訳（メタデータ） (2020-10-08T15:16:16Z)
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。