論文の概要: Examining Fast Radiative Feedbacks Using Machine-Learning Weather Emulators

• arxiv url: http://arxiv.org/abs/2602.16090v1
• Date: Tue, 17 Feb 2026 23:34:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-19 15:58:30.467902
• Title: Examining Fast Radiative Feedbacks Using Machine-Learning Weather Emulators
• Title（参考訳）: 機械学習気象エミュレータを用いた高速放射フィードバックの検討
• Authors: Ankur Mahesh, William D. Collins, Travis A. O'Brien, Paul B. Goddard, Sinclaire Zebaze, Shashank Subramanian, James P. C. Duncan, Oliver Watt-Meyer, Boris Bonev, Thorsten Kurth, Karthik Kashinath, Michael S. Pritchard, Da Yang,
• Abstract要約: 緩やかなフィードバックは、デケイダルの時間スケールにおける海洋温度の変化に反応して活性化される。 高速なフィードバックは、毎週の時間スケールの急速な大気物理プロセスに反応して起動される。 歴史的に訓練されたエミュレータからの応答は、フルフィジカルな地球系モデルによって生成されたものと一致している。
• 参考スコア（独自算出の注目度）: 7.99471981267557
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The response of the climate system to increased greenhouse gases and other radiative perturbations is governed by a combination of fast and slow feedbacks. Slow feedbacks are typically activated in response to changes in ocean temperatures on decadal timescales and manifest as changes in climatic state with no recent historical analogue. However, fast feedbacks are activated in response to rapid atmospheric physical processes on weekly timescales, and they are already operative in the present-day climate. This distinction implies that the physics of fast radiative feedbacks is present in the historical meteorological reanalyses used to train many recent successful machine-learning-based (ML) emulators of weather and climate. In addition, these feedbacks are functional under the historical boundary conditions pertaining to the top-of-atmosphere radiative balance and sea-surface temperatures. Together, these factors imply that we can use historically trained ML weather emulators to study the response of radiative-convective equilibrium (RCE), and hence the global hydrological cycle, to perturbations in carbon dioxide and other well-mixed greenhouse gases. Without retraining on prospective Earth system conditions, we use ML weather emulators to quantify the fast precipitation response to reduced and elevated carbon dioxed concentrations with no recent historical precedent. We show that the responses from historically trained emulators agree with those produced by full-physics Earth System Models (ESMs). In conclusion, we discuss the prospects for and advantages from using ESMs and ML emulators to study fast processes in global climate.
• Abstract（参考訳）: 温室効果ガスの上昇や他の放射性摂動に対する気候システムの応答は、速いフィードバックと遅いフィードバックの組み合わせによって制御される。 緩やかなフィードバックは典型的には、周期的な時間スケールの海洋温度の変化に反応して活性化され、最近の歴史的類推がない気候状態の変化として表される。 しかし、素早いフィードバックは、毎週の時間スケールにおける大気の急速な物理過程に反応して活性化され、それらは現在の気候において既に機能している。 この区別は、急速に放射されるフィードバックの物理学が、最近成功した機械学習(ML)エミュレータの天気と気候の訓練に使われた歴史的気象学的分析に存在していることを示唆している。 さらに、これらのフィードバックは、大気上層放射収支と海面温度に関する歴史的境界条件の下で機能する。 これらの要因は, 歴史的に訓練されたML気象エミュレータを用いて, 放射対流平衡(RCE)と大域的水循環の応答を, 二酸化炭素などの温室効果ガスの摂動に対して研究できることを示唆している。 先進的な地球系の条件を再訓練することなく、ML気象エミュレータを用いて、最近の歴史的前例のない炭素ダイオキシド濃度の減少と上昇に対する高速降水反応の定量化を行う。 歴史的に訓練されたエミュレータからの応答は、フル物理地球系モデル(ESM)の応答と一致している。 結論として,ESMとMLエミュレータによるグローバル気候の高速プロセス研究の展望とメリットについて論じる。

関連論文リスト

• 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)
• The Equilibrium Response of Atmospheric Machine-Learning Models to Uniform Sea Surface Temperature Warming [0.0]
  機械学習モデルは、地球の気候の安定な複数年シミュレーションを生成することができる。 我々は, 海面温度の均一な上昇に対するいくつかの最先端MLモデルの気候応答を評価した。 我々の結果は、気候変動の応用におけるMLモデルの約束と現在の限界を浮き彫りにしている。
  論文  参考訳（メタデータ） (2025-10-02T13:42:37Z)
• Causal Climate Emulation with Bayesian Filtering [13.880558936577053]
  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。 現実的な合成データセットと2つの広く展開された気候モデルから得られるデータにおいて,それぞれの構成要素の重要性を示す。
  論文  参考訳（メタデータ） (2025-06-11T16:00:55Z)
• FaIRGP: A Bayesian Energy Balance Model for Surface Temperatures Emulation [13.745581787463962]
  本稿では,エネルギー収支モデルの物理温度応答方程式を満たすデータ駆動エミュレータであるFaIRGPを紹介する。 本稿では,FaIRGPを用いて大気上層放射力の推定値を得る方法について述べる。 この研究が、気候エミュレーションにおけるデータ駆動手法の採用の拡大に寄与することを期待している。
  論文  参考訳（メタデータ） (2023-07-14T08:43:36Z)
• 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)
• 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)
• Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
  ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。 降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
  論文  参考訳（メタデータ） (2021-07-14T21:10:47Z)
• 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)

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。