論文の概要: Earth Science Foundation Models: From Perception to Reasoning and Discovery
- arxiv url: http://arxiv.org/abs/2605.12542v1
- Date: Sat, 09 May 2026 08:34:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-14 23:30:27.562906
- Title: Earth Science Foundation Models: From Perception to Reasoning and Discovery
- Title（参考訳）: 地球科学基礎モデル - 認識から推論・発見へ-
- Abstract要約: 大型基盤モデル(FM)は異種多モードデータを統合することで地球科学を変革している。
本稿では,地球科学基礎モデル(地球FM)を2つの相補的な次元で統一的にレビューする。
- 参考スコア（独自算出の注目度）: 37.50940169400544
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large foundation models (FMs) are transforming Earth science by integrating heterogeneous multimodal data, such as multi-platform imagery, gridded reanalysis data, diverse geophysical and geochemical observations, and domain-specific text, to support tasks ranging from basic perception to advanced scientific discovery. This paper provides a unified review of Earth science foundation models (Earth FMs) through two complementary dimensions: depth, which traces the evolution of model capabilities from perception to multimodal reasoning and agentic scientific workflows, and breadth, which summarizes their expanding applications across the atmosphere, hydrosphere, lithosphere, biosphere, anthroposphere, and cryosphere, as well as coupled Earth system processes. Using this framework, we review representative multimodal Earth foundation models and compile more than 200 datasets and benchmarks spanning diverse Earth science tasks and modalities. We further discuss key challenges in multimodal data heterogeneity, scientific reliability and continual updating, scalability and sustainability, and the transition from foundation models to agentic and embodied Earth intelligence, and outline future directions toward more integrated, trustworthy, and actionable AI Earth scientists. Overall, this paper offers a structured roadmap for understanding the development of Earth foundation models from both capability depth and application breadth.
- Abstract（参考訳）: 大規模基盤モデル(FM)は、多プラットフォーム画像、グリッド化された再分析データ、多様な地球物理・地球化学的観測、ドメイン固有のテキストなどの異質なマルチモーダルデータを統合することで地球科学を変容させ、基本的な知覚から先進的な科学的発見までのタスクをサポートする。
本稿では,地球科学基盤モデル(地球FM)の2つの相補的な側面,すなわち,知覚からマルチモーダルな推論やエージェント的な科学的ワークフローまで,モデルの能力の進化を辿るディープと,それらが大気,地球圏,リソスフェア,生物圏,人文圏,低温圏にまたがる拡大した応用を要約したブロードスについて述べる。
このフレームワークを用いて、代表的なマルチモーダル地球基盤モデルをレビューし、多様な地球科学タスクとモダリティにまたがる200以上のデータセットとベンチマークをコンパイルする。
さらに、マルチモーダルデータの不均一性、科学的信頼性と継続的な更新、スケーラビリティと持続性、基礎モデルからエージェント的で具体化された地球知能への遷移における重要な課題について論じ、より統合され、信頼できる、行動可能なAI地球科学者への今後の方向性を概説する。
全体として,本論文は,地球基盤モデルの開発を,能力深度と応用幅の両方から理解するための構造化されたロードマップを提供する。
関連論文リスト
- Survey of Multimodal Geospatial Foundation Models: Techniques, Applications, and Challenges [54.669838624278924]
基礎モデルは自然言語処理とコンピュータビジョンに変化をもたらした。
強力な一般化と伝達学習機能により、リモートセンシングデータのマルチモーダル、マルチレゾリューション、マルチ時間特性と自然に一致させる。
この調査は、モーダリティ駆動の観点から、マルチモーダルGFMの包括的なレビューを提供する。
論文 参考訳（メタデータ） (2025-10-27T03:40:00Z) - Earth AI: Unlocking Geospatial Insights with Foundation Models and Cross-Modal Reasoning [11.611027504613324]
本稿では,地球空間AIモデルとエージェント推論のファミリーである地球AIを紹介する。
Geminiのエージェントは複雑なマルチステップクエリを処理する。
現実の危機シナリオの新たなベンチマークでは、エージェントが批判的かつタイムリーな洞察を提供する能力を示しています。
論文 参考訳（メタデータ） (2025-10-21T06:05:47Z) - A Survey of Scientific Large Language Models: From Data Foundations to Agent Frontiers [251.23085679210206]
科学大規模言語モデル(Sci-LLMs)は、科学研究において、知識の表現、統合、適用の方法を変えつつある。
この調査は、モデルとその基盤となるデータ基板の共進化として、Sci-LLMの開発を再考する。
我々は、科学的データの統一された分類法と、科学的知識の階層的なモデルを定式化する。
論文 参考訳（メタデータ） (2025-08-28T18:30:52Z) - MSEarth: A Multimodal Scientific Dataset and Benchmark for Phenomena Uncovering in Earth Science [52.43088243363675]
我々は、高品質でオープンアクセスの科学出版物からキュレートされたマルチモーダルな科学ベンチマークであるMSEarthを紹介する。
MSEarthは、大気、低温圏、水圏、リソスフェア、生物圏という、地球科学の主要な5つの球体を包含している。
MSEarthは、科学的なフィギュアキャプション、複数の選択質問、オープンな推論課題など、さまざまなタスクをサポートしている。
論文 参考訳（メタデータ） (2025-05-27T05:30:35Z) - OmniGeo: Towards a Multimodal Large Language Models for Geospatial Artificial Intelligence [51.0456395687016]
マルチモーダル大言語モデル(LLM)が人工知能の新しいフロンティアをオープンした。
地理空間応用に適したMLLM(OmniGeo)を提案する。
自然言語理解の長所と空間的推論の長所を組み合わせることで,GeoAIシステムの指示追従能力と精度を高めることができる。
論文 参考訳（メタデータ） (2025-03-20T16:45:48Z) - Foundation Models for Remote Sensing and Earth Observation: A Survey [101.77425018347557]
本調査は、リモートセンシング基礎モデル(RSFM)の新しい分野を体系的にレビューする。
モチベーションと背景の概要から始まり、続いて基本概念が導入された。
我々はこれらのモデルを公開データセットと比較し、既存の課題について議論し、今後の研究方向性を提案する。
論文 参考訳（メタデータ） (2024-10-22T01:08:21Z) - A foundation model enpowered by a multi-modal prompt engine for universal seismic geobody interpretation across surveys [13.150829303910385]
本研究では, 地震探査における地盤構造を解析するための基礎モデルを提案する。
このモデルは、事前訓練されたビジョンファウンデーションモデル(VFM)と洗練されたマルチモーダルプロンプトエンジンを統合している。
提案手法は地学データ解釈のための新しいパラダイムを確立し,他のタスクへの転送の可能性も広い。
論文 参考訳（メタデータ） (2024-09-08T03:44:23Z) - When Geoscience Meets Foundation Models: Towards General Geoscience Artificial Intelligence System [6.445323648941926]
地球科学基礎モデル(Geoscience foundation model, GFMs)は、地球系の力学のシミュレーションと理解を強化するために、広範な学際データを統合するパラダイムシフトソリューションである。
GFMのユニークな長所は、フレキシブルなタスク仕様、多様な入出力能力、マルチモーダルな知識表現である。
このレビューは、先進的なAI技術と地球科学の交差点における未解決の機会を強調した、新興の地球科学研究パラダイムの包括的概要を提供する。
論文 参考訳（メタデータ） (2023-09-13T08:44:09Z)
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。