論文の概要: Climate Surrogates for Scalable Multi-Agent Reinforcement Learning: A Case Study with CICERO-SCM

• arxiv url: http://arxiv.org/abs/2510.07971v1
• Date: Thu, 09 Oct 2025 09:02:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-10 17:54:14.974334
• Title: Climate Surrogates for Scalable Multi-Agent Reinforcement Learning: A Case Study with CICERO-SCM
• Title（参考訳）: スケーラブルなマルチエージェント強化学習のための気候サロゲート:CICERO-SCMを用いたケーススタディ
• Authors: Oskar Bohn Lassen, Serio Angelo Maria Agriesti, Filipe Rodrigues, Francisco Camara Pereira,
• Abstract要約: 本研究では,高忠実で高効率な気候シュロゲートを環境ループに直接組み込むマルチエージェント強化学習フレームワークを提案する。 概念実証として,気候モデルCICERO-SCMをサロゲートするために,2万ドル(約220万円)のマルチガス排出経路で事前訓練された繰り返しニューラルネットワークアーキテクチャを導入する。 シュロゲートモデルは、大域平均温度 RMSE $approx 0.0004 MathrmK$ と約10,000 times$ 1ステップの高速推論でほぼシミュレータ精度を得る。
• 参考スコア（独自算出の注目度）: 4.330506300153804
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Climate policy studies require models that capture the combined effects of multiple greenhouse gases on global temperature, but these models are computationally expensive and difficult to embed in reinforcement learning. We present a multi-agent reinforcement learning (MARL) framework that integrates a high-fidelity, highly efficient climate surrogate directly in the environment loop, enabling regional agents to learn climate policies under multi-gas dynamics. As a proof of concept, we introduce a recurrent neural network architecture pretrained on ($20{,}000$) multi-gas emission pathways to surrogate the climate model CICERO-SCM. The surrogate model attains near-simulator accuracy with global-mean temperature RMSE $\approx 0.0004 \mathrm{K}$ and approximately $1000\times$ faster one-step inference. When substituted for the original simulator in a climate-policy MARL setting, it accelerates end-to-end training by $>\!100\times$. We show that the surrogate and simulator converge to the same optimal policies and propose a methodology to assess this property in cases where using the simulator is intractable. Our work allows to bypass the core computational bottleneck without sacrificing policy fidelity, enabling large-scale multi-agent experiments across alternative climate-policy regimes with multi-gas dynamics and high-fidelity climate response.
• Abstract（参考訳）: 気候政策研究は、温室効果ガスの複合効果を地球温度に捉えるモデルを必要とするが、これらのモデルは計算コストが高く、強化学習に組み込むのが困難である。 我々は,マルチエージェント強化学習(MARL)フレームワークについて,高忠実で高効率な気候サロゲートを環境ループに直接統合し,地域エージェントがマルチガス力学の下で気候政策を学習できるようにする。 概念実証として、気候モデルCICERO-SCMを補助するために、20,000ドル(約2,300万円)のマルチガス排出経路で事前訓練されたリカレントニューラルネットワークアーキテクチャを導入する。 シュロゲートモデルは、大域平均温度RMSE $\approx 0.0004 \mathrm{K}$と約10,000\times$高速ワンステップ推論でほぼシミュレータ精度を得る。 気候政策のMARL設定でオリジナルのシミュレータに代えて、エンド・ツー・エンドのトレーニングを$>\! 100円。 本稿では,サロゲートとシミュレータが同じ最適ポリシーに収束していることを示し,シミュレータの使用が困難である場合に,この特性を評価する手法を提案する。 我々の研究は、ポリシーの忠実さを犠牲にすることなく、コアな計算ボトルネックを回避し、マルチガス力学と高忠実度気候応答を備えた代替気候政策の大規模マルチエージェント実験を可能にする。

関連論文リスト

• ArchesClimate: Probabilistic Decadal Ensemble Generation With Flow Matching [7.758482151941547]
  本稿では,気候モデルシミュレーションのコスト削減を目的とした,深層学習に基づく気候モデルエミュレータArcesClimateを紹介する。 ArchesClimateは、IPSL-CM6A-LR気候モデルの遅延ヒンドキャストを約2.5x1.25°の空間分解能で訓練する。 いくつかの重要な気候変数に対して、ArceClimateはIPSLモデルと交換可能なシミュレーションを生成する。
  論文  参考訳（メタデータ） (2025-09-19T12:53:24Z)
• Vision Transformers for Multi-Variable Climate Downscaling: Emulating Regional Climate Models with a Shared Encoder and Multi-Decoder Architecture [0.0]
  共有エンコーダと可変固有デコーダを用いたマルチタスク多変数ビジョントランス (ViT) アーキテクチャを提案する。 我々の多変量アプローチは、正のクロス変数な知識伝達を実現し、同一条件下で訓練された単変量ベースラインを一貫して上回ることを示す。
  論文  参考訳（メタデータ） (2025-06-12T11:48:41Z)
• MERCURY: A fast and versatile multi-resolution based global emulator of compound climate hazards [0.0]
  コンポウンド気候リスク評価のためのマルチレゾリューションエミュラトR:MERCURYを提案する。 MerCURYは複数変数の多元的エミュレーションのための時間的フレームワークにマルチレゾリューション解析を拡張している。 Wet Bulb Globe temperature, MERCURY's capabilities on the humid-heat metric, Wet Bulb Globe temperature。
  論文  参考訳（メタデータ） (2024-12-24T04:56:21Z)
• 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)
• 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)
• Computationally-Efficient Climate Predictions using Multi-Fidelity Surrogate Modelling [0.0]
  我々は,高忠実度気候予測を低コストで生成する手段として,多忠実度サロゲートモデルの可能性について検討した。 我々のモデルは、低忠実度気候モデル(GCM)と高忠実度地域気候モデル(RCM)の予測を組み合わせる。 我々は高忠実度モデルのみと比較して計算コストが大幅に低い高忠実度温度予測を作成できる。
  論文  参考訳（メタデータ） (2021-08-03T15:26:42Z)
• 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。