論文の概要: FloeNet: A mass-conserving global sea ice emulator that generalizes across climates
- arxiv url: http://arxiv.org/abs/2603.12449v1
- Date: Thu, 12 Mar 2026 21:00:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-16 17:38:11.761658
- Title: FloeNet: A mass-conserving global sea ice emulator that generalizes across climates
- Title（参考訳）: FloeNet: 気候にまたがって一般化する大規模な温室効果氷エミュレータ
- Authors: William Gregory, Mitchell Bushuk, James Duncan, Elynn Wu, Adam Subel, Spencer K. Clark, Bill Hurlin, Oliver Watt-Meyer, Alistair Adcroft, Chris Bretherton, Laure Zanna,
- Abstract要約: FloeNetは、地球物理学流体力学研究所(Geophysical Fluid Dynamics Laboratory)のグローバルな海氷モデルSIS2で訓練された機械学習エミュレータである。
FloeNetは再解析による氷-海洋シミュレーションのシミュレーションデータを用いて訓練する。
FloeNetは、海氷と海氷の平均状態、トレンド、年次変動を再現する非保守モデルより優れている。
- 参考スコア（独自算出の注目度）: 0.8702442307693777
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce FloeNet, a machine-learning emulator trained on the Geophysical Fluid Dynamics Laboratory global sea ice model, SIS2. FloeNet is a mass-conserving model, emulating 6-hour mass and area budget tendencies related to sea ice and snow-on-sea-ice growth, melt, and advection. We train FloeNet using simulated data from a reanalysis-forced ice-ocean simulation and test its ability to generalize to pre-industrial control and 1% CO2 climates. FloeNet outperforms a non-conservative model at reproducing sea ice and snow-on-sea-ice mean state, trends, and inter-annual variability, with volume anomaly correlations above 0.96 in the Antarctic and 0.76 in the Arctic, across all forcings. FloeNet also produces the correct thermodynamic vs dynamic response to forcing, enabling physical interpretability of emulator output. Finally, we show that FloeNet outputs high-fidelity coupling-related variables, including ice-surface skin temperature, ice-to-ocean salt flux, and melting energy fluxes. We hypothesize that FloeNet will improve polar climate processes within existing atmosphere and ocean emulators.
- Abstract（参考訳）: 我々は,地球物理流体力学研究所(Geophysical Fluid Dynamics Laboratory)で訓練された機械学習エミュレータであるFloeNetを紹介した。
FloeNetは大量保存モデルであり、海氷や積雪氷の成長、融解、対流に関連する6時間の質量と地域予算の傾向をエミュレートしている。
我々はFloeNetを,解析強化氷海シミュレーションのシミュレーションデータを用いて訓練し,プレインダストリアルコントロールと1%のCO2気候に一般化する能力をテストする。
FloeNetは、南極で0.96以上、北極で0.76以上と、海氷と海氷の平均状態、傾向、年々の変動を再現する非保存モデルより優れている。
FloeNetはまた、強制に対する正しい熱力学と動的応答を生成し、エミュレータ出力の物理的解釈を可能にする。
最後に、FloeNetは、氷表面の皮膚温度、氷とオーシャンの塩のフラックス、融解エネルギーのフラックスなど、高忠実度結合関連変数を出力することを示した。
我々は、FloeNetが既存の大気と海洋エミュレータ内の極性気候プロセスを改善すると仮定する。
関連論文リスト
- Generative AI models enable efficient and physically consistent sea-ice simulations [0.410643402505395]
我々は、最初の生成AIベースのパンアーキティックモデルであるGenSIMを紹介する。
数値モデルや観測で観測された統計を強く再現する。
脆性のような短期的なダイナミクスを示す一方で、長期的な海氷の減少を描いている。
論文 参考訳（メタデータ） (2025-08-20T18:12:50Z) - Physics-constrained generative machine learning-based high-resolution downscaling of Greenland's surface mass balance and surface temperature [44.99833362998488]
グリーンランド氷床の表面質量収支(SMB)と表面温度の高分解能投射は将来の海面上昇を理解するのに不可欠である。
本稿では、低分解能SMBおよび表面温度場をダウンスケールする一貫性モデル(CM)に基づく、物理制約付き生成モデリングフレームワークを提案する。
提案手法は,高速推論による氷床シミュレーションのために,現実的で高解像度な気候強制を実現する。
論文 参考訳（メタデータ） (2025-07-30T08:43:48Z) - Advancing climate model interpretability: Feature attribution for Arctic melt anomalies [0.0]
北極氷床と南極氷床は急激な表面融解と淡水流出の増加を経験しており、地球規模の海面上昇に大きく貢献している。
本稿では,ERA5モデルとGEMBモデルにおいて検出された異常を解析するために,非教師なし属性法を提案する。
論文 参考訳（メタデータ） (2025-02-11T18:05:54Z) - Uncertainty-enabled machine learning for emulation of regional sea-level change caused by the Antarctic Ice Sheet [0.8130739369606821]
沿岸部27箇所で海面変動のニューラルネットワークエミュレータを構築した。
ニューラルネットワークエミュレータは,ベースライン機械学習エミュレータと競合する精度を持つことを示す。
論文 参考訳（メタデータ） (2024-06-21T18:27:09Z) - OXYGENERATOR: Reconstructing Global Ocean Deoxygenation Over a Century with Deep Learning [50.365198230613956]
既存の専門家が支配する数値シミュレーションは、地球温暖化や人的活動によって引き起こされる動的変動に追いつかなかった。
1920年から2023年までの世界の海洋脱酸素モデルを再構築するために,最初の深層学習モデルであるOxyGeneratorを提案する。
論文 参考訳（メタデータ） (2024-05-12T09:32:40Z) - Unicorn: U-Net for Sea Ice Forecasting with Convolutional Neural Ordinary Differential Equations [6.4020980835163765]
本稿では,毎週の海氷予測を目的とした,Unicornという新しい深層建築について紹介する。
本モデルでは,アーキテクチャ内に複数の時系列画像を統合することにより,予測性能を向上する。
論文 参考訳（メタデータ） (2024-05-07T01:17:06Z) - 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) - Data-Driven Short-Term Daily Operational Sea Ice Regional Forecasting [52.77986479871782]
地球温暖化は北極を海洋活動に利用し、信頼性の高い海氷予測の需要を生み出した。
本研究では,海氷予測のためのU-Netモデルの性能を,今後10日間にわたって検証した。
この深層学習モデルは、気象データの追加と複数の地域での訓練により、単純なベースラインをかなりの差で上回り、その品質を向上させることができることを示す。
論文 参考訳（メタデータ） (2022-10-17T09:14:35Z) - 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) - 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。