論文の概要: AI Decodes Historical Chinese Archives to Reveal Lost Climate History

• arxiv url: http://arxiv.org/abs/2601.22458v1
• Date: Fri, 30 Jan 2026 02:06:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-02 18:28:15.161026
• Title: AI Decodes Historical Chinese Archives to Reveal Lost Climate History
• Title（参考訳）: AIが中国の歴史的アーカイブを解読して、失われた気候の歴史を解明
• Authors: Sida He, Lingxi Xie, Xiaopeng Zhang, Qi Tian,
• Abstract要約: 我々は、記録された出来事に関連する定量的な気候パターンを推定することにより、歴史的年代記者の論理を逆転する生成的AIフレームワークを導入する。 古代中国の古文書に当てはまると、1368年～1911年の間、中国南東部の年間降水量の半減期を再現する。 我々の再建は、明の大干ばつのような象徴的な極端を定量化するだけでなく、5世紀にわたってこの地域の降水量に対するエルニドルオの影響の空間的・季節的構造を地図化しています。
• 参考スコア（独自算出の注目度）: 82.46757587387704
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Historical archives contain qualitative descriptions of climate events, yet converting these into quantitative records has remained a fundamental challenge. Here we introduce a paradigm shift: a generative AI framework that inverts the logic of historical chroniclers by inferring the quantitative climate patterns associated with documented events. Applied to historical Chinese archives, it produces the sub-annual precipitation reconstruction for southeastern China over the period 1368-1911 AD. Our reconstruction not only quantifies iconic extremes like the Ming Dynasty's Great Drought but also, crucially, maps the full spatial and seasonal structure of El Ni$ñ$o influence on precipitation in this region over five centuries, revealing dynamics inaccessible in shorter modern records. Our methodology and high-resolution climate dataset are directly applicable to climate science and have broader implications for the historical and social sciences.
• Abstract（参考訳）: 歴史的記録には気候事象の質的な記述が含まれているが、これらを定量的な記録に変換することは根本的な課題である。 ここでは、文書化イベントに関連する定量的な気候パターンを推定することにより、歴史年代記者の論理を逆転する生成的AIフレームワークであるパラダイムシフトを紹介する。 古代中国の古文書に応用され、1368年～1911年の間、中国南東部の年間降水量の半減期を再現した。 我々の再建は、明の干ばつのような象徴的な極端を定量化するだけでなく、重要な点として、5世紀にわたってこの地域の降水量に影響を与えるエルニーニョの空間的・季節的構造をマッピングし、短い近代記録ではアクセスできないダイナミクスを明らかにした。 我々の方法論と高解像度の気候データセットは、気候科学に直接適用でき、歴史的・社会科学に幅広い影響を及ぼす。

関連論文リスト

• WeatherArchive-Bench: Benchmarking Retrieval-Augmented Reasoning for Historical Weather Archives [15.620758706846388]
  本研究では,歴史的気象アーカイブ上での検索拡張世代(RAG)システム評価のための最初のベンチマークであるWeatherArchive-Benchを紹介する。 WeatherArchive-Benchは2つのタスクで構成されている。WeatherArchive-Retrievalは100万以上のアーカイブニュースセグメントから歴史的に関連するパスを識別するシステムの能力を測定し、WeatherArchive-Assessmentは大規模言語モデルが極端な気象物語から社会的脆弱性とレジリエンス指標を分類できるかどうかを評価する。
  論文  参考訳（メタデータ） (2025-10-06T19:58:42Z)
• ClimateBench-M: A Multi-Modal Climate Data Benchmark with a Simple Generative Method [61.76389719956301]
  我々は、ERA5の時系列気候データ、NOAAの極度の気象イベントデータ、NASAの衛星画像データを調整するマルチモーダル気候ベンチマークであるClimateBench-Mに貢献する。 また,各データモダリティの下では,天気予報,雷雨警報,作物の分断作業において,競争性能を向上できる簡易かつ強力な生成手法を提案する。
  論文  参考訳（メタデータ） (2025-04-10T02:22:23Z)
• MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
  気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。 以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。 本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
  論文  参考訳（メタデータ） (2024-08-20T13:45:49Z)
• Reconstructing Historical Climate Fields With Deep Learning [0.0]
  我々は,最近導入されたFourier畳み込みに基づく深層学習手法を,数値的な気候モデル出力に基づいて訓練し,歴史的気候分野の再構築に利用した。 我々は、大きな、不規則な欠落したデータの領域を現実的に再構築し、強力なエルニーノやラニーナのような既知の歴史的出来事を、ほとんど情報を持って再構築することができる。
  論文  参考訳（メタデータ） (2023-11-30T08:34:12Z)
• Coloring the Past: Neural Historical Buildings Reconstruction from Archival Photography [69.93897305312574]
  本稿では, ボリュームレンダリング技術を用いて, 歴史的建造物の形状を復元する手法を提案する。 我々は,高密度点雲を幾何学的先行として利用し,カラー画像に制限のある建物の色を復元するために,色相の埋め込み損失を導入する。
  論文  参考訳（メタデータ） (2023-11-29T16:59:45Z)
• Interpretable AI-Driven Discovery of Terrain-Precipitation Relationships for Enhanced Climate Insights [8.780306158191443]
  GA-GWR(GA-GWR)と呼ばれるAIによる知識発見フレームワークを提案する。 本研究は,複雑な地形を特徴とする地域での降水パターンと地形特性の関係を規定する明示的な方程式を明らかにすることを目的とする。 このAI駆動の知識発見を通じて、地形の特徴と降水パターンの関連性に光を当てた、これまで公表されていなかった明示的な方程式が明らかになった。
  論文  参考訳（メタデータ） (2023-09-27T04:47:22Z)
• 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)
• Spatiotemporal modeling of European paleoclimate using doubly sparse Gaussian processes [61.31361524229248]
  計算負担を軽減するため,近年の大規模分散時間GPを構築した。 我々は,古気候の確率モデルを構築するために,この2倍のスパースGPをうまく利用した。
  論文  参考訳（メタデータ） (2022-11-15T14:15:04Z)

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。