論文の概要: TianJi-Environ: An Autonomous AI Scientist for Atmospheric Environmental Research

• arxiv url: http://arxiv.org/abs/2606.07697v1
• Date: Fri, 05 Jun 2026 07:47:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:05.28809
• Title: TianJi-Environ: An Autonomous AI Scientist for Atmospheric Environmental Research
• Title（参考訳）: TianJi-Environ:大気環境研究のための自律型AI科学者
• Authors: Haoluo Zhao, Hongchun Zhang, Nan Li, Jing-Jia Luo, Kaikai Zhang, Mengyang Yu, Nan Chen, Tao Song, Fan Meng,
• Abstract要約: 大気化学メカニズム検証のための監査可能なAI科学者であるTianJi-Environを紹介する。 TianJi-Environは、複雑な大気化学シミュレーションを自律的に駆動する最初のWRF-Chemベースのマルチエージェントフレームワークを確立する。
• 参考スコア（独自算出の注目度）: 14.053196430948764
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As atmospheric environmental prediction continues to improve, interpretable validation of pollution mechanisms and feedback processes has become a main challenge in atmospheric chemistry. Yet mechanism validation based on complex numerical models still relies heavily on expert knowledge: mechanistic hypotheses must be operationalized into executable experiments, and model outputs must be organized into traceable evidence. We present TianJi-Environ, an auditable AI Scientist for atmospheric-chemistry mechanism validation. TianJi-Environ establishes the first WRF-Chem-based multi-agent framework that autonomously drives complex atmospheric-chemistry simulations, converting mechanistic hypotheses into executable configurations, testing experiments, and evidence criteria. Using ozone response and particulate-matter feedback as two representative examples, we demonstrate TianJi-Environ's capability for mechanism validation. In a summertime ozone case over the North China Plain, the system detects directionally consistent aerosol-radiation-interaction signals in shortwave radiation and boundary-layer height, but judges the evidence for ozone response to NOx control to be incomplete. In a wintertime PM2.5 case over the Guanzhong Basin, it localizes the unsupported link to insufficient propagation from black-carbon perturbation to particulate response and missing diagnostics of vertical absorptive heating. These results show that TianJi-Environ makes expert-driven mechanism validation explicit, structured, and auditable, offering a reproducible paradigm for multi-agent systems coupled with complex atmospheric-chemistry models.
• Abstract（参考訳）: 大気環境予測は改善され続けており、大気化学において大気汚染機構とフィードバックプロセスの解釈可能な検証が大きな課題となっている。 しかし、複雑な数値モデルに基づくメカニズム検証は、まだ専門家の知識に大きく依存している。 大気化学メカニズム検証のための監査可能なAI科学者であるTianJi-Environを紹介する。 TianJi-Environは、複雑な大気化学シミュレーションを自律的に駆動し、機械論的仮説を実行可能な構成に変換する、実験、エビデンス基準を試験する、WRF-Chemベースの最初のマルチエージェントフレームワークを確立する。 オゾン応答と粒子マターフィードバックを2つの代表的な例として用いて, TianJi-Environのメカニズム検証能力を示す。 北シナ平原の夏季のオゾンの場合、短波放射と境界層の高さで大気エアロゾル-放射-相互作用信号の方向整合性を検出するが、NOx制御に対するオゾン応答の証拠は不完全であると判断する。 冬季の広東盆地におけるPM2.5症例では,黒色炭素の摂動から粒子状反応,垂直吸収熱の診断に欠如している。 これらの結果は、TianJi-Environが、複雑な大気化学モデルと組み合わされたマルチエージェントシステムのための再現可能なパラダイムを提供する、専門家主導のメカニズムの検証を明示し、構造化し、監査可能にすることを示している。

関連論文リスト

• From Static Spectra to Operando Infrared Dynamics: Physics Informed Flow Modeling and a Benchmark [67.29937933325849]
  Operando IR Predictionは、1つの静的スペクトルからスペクトル指紋の時間分解進化を予測することを目的としている。 OpIRSpec-7Kは、10の異なるバッテリーシステムにわたる7,118の高品質なサンプルで構成されている。 ABCCは最先端の静的、シーケンシャル、および生成的ベースラインを著しく上回る。
  論文  参考訳（メタデータ） (2026-02-20T18:58:43Z)
• Conditional Generative Framework with Peak-Aware Attention for Robust Chemical Detection under Interferences [3.976291254896486]
  本稿では,ピーク対応条件生成モデルに基づく人工知能識別フレームワークを提案する。 このフレームワークは、GC-MSデータの特徴的ピークをハイライトする新しいピーク対応メカニズムで学習される。 さらに、化学および溶媒情報は、それに埋め込まれた潜伏ベクトルに符号化され、条件付き生成対向ニューラルネットワークが合成GC-MS信号を生成する。
  論文  参考訳（メタデータ） (2026-01-29T04:10:37Z)
• Multi-AI Agent Framework Reveals the "Oxide Gatekeeper" in Aluminum Nanoparticle Oxidation [10.441632436338717]
  アルミニウムナノ粒子(ANP)は、最もエネルギー密度の高い固体燃料の1つであるが、その原子機構は、気化粒子から爆発物への遷移である。 ここでは、自己監査型AIエージェントが機械学習の可能性の進化を検証する「人間のループ」クローズドループフレームワークを採用する。 人間の意思決定のために隠されたモデルアーティファクトを視覚化する科学的センチネルとして機能することにより、この協調サイクルは量子力学的精度を保証する。
  論文  参考訳（メタデータ） (2025-12-27T09:21:21Z)
• Synergistic Neural Forecasting of Air Pollution with Stochastic Sampling [50.3911487821783]
  大気汚染は世界的な健康と環境のリスクの先駆けであり、特に山火事、都市干ばつ、塵嵐による大気汚染の急激な増加に弱い地域ではなおもである。 本稿では,気象および大気組成データを統合し,平均および極端汚染レベルの予測を改善する高分解能神経予測モデルであるSynCastを提案する。
  論文  参考訳（メタデータ） (2025-10-28T01:18:00Z)
• mloz: A Highly Efficient Machine Learning-Based Ozone Parameterization for Climate Sensitivity Simulations [0.29960386795689337]
  オゾンは太陽放射の重要な吸収剤であり、温室効果ガスである。 Coupled Model Intercomparison Project (CMIP) に参加しているほとんどの気候モデルは、大気化学の計算コストが高いため、オゾンのインタラクティブな表現が欠けている。 本稿では,標準的な気候感応シミュレーションにおいて,オゾンの日変動と対流圏と成層圏の傾向をインタラクティブにモデル化する機械学習パラメータ化(mloz)を提案する。 2つの異なる気候モデルにまたがって、デケイダルな時間スケールとフレキシブルな利用に関する高い忠実さを実証する。
  論文  参考訳（メタデータ） (2025-09-24T15:47:45Z)
• Deep Learning Surrogates for Real-Time Gas Emission Inversion [6.14441531828484]
  過渡的な大気環境下での温室効果ガス排出量のリアルタイム同定と定量化は、環境モニタリングにおいて重要な課題である。 本稿では,モンテカルロシーケンシャルアルゴリズムを組み込んだディープラーニング計算流体力学(CFD)フレームワークを提案する。 高忠実度CFD出力で訓練された多層パーセプトロンを用いてコストの高い数値計算器を置換することにより、サロゲートは、ほぼリアルタイムな予測を行いながら、空間的不均一性とガス分散の時間的進化を捉える。
  論文  参考訳（メタデータ） (2025-06-17T15:03:21Z)
• Air Quality Prediction with A Meteorology-Guided Modality-Decoupled Spatio-Temporal Network [47.699409089023696]
  大気質の予測は公衆衛生と環境保護において重要な役割を担っている。 既存の研究は大気の質予測において重要な役割を過小評価している。 MDSTNetは、予測のための大気汚染依存性を明示的にキャプチャするエンコーダフレームワークである。 ChinaAirNetは、大気の質記録と多気圧レベルの気象観測を組み合わせた最初のデータセットである。
  論文  参考訳（メタデータ） (2025-04-14T09:18:11Z)
• Learning Chemical Reaction Representation with Reactant-Product Alignment [50.28123475356234]
  RAlignは、様々な有機反応関連タスクのための新しい化学反応表現学習モデルである。 反応物質と生成物との原子対応を統合することにより、反応中に起こる分子変換を識別する。 モデルが重要な機能群に集中できるように,反応中心認識型アテンション機構を導入する。
  論文  参考訳（メタデータ） (2024-11-26T17:41:44Z)
• GeoFormer: A Vision and Sequence Transformer-based Approach for Greenhouse Gas Monitoring [2.1647301294759624]
  本研究では,NO2濃度を予測するために,視覚変換モジュールと高効率な時系列変換モジュールを組み合わせたコンパクトモデルを提案する。 我々は、地上監視局のSentinel-5P画像を用いて構築したデータセットを用いて、提案モデルを用いて表面レベルのNO2測定を予測する。
  論文  参考訳（メタデータ） (2024-02-11T11:20:29Z)
• 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)
• Sensing of magnetic field effects in radical-pair reactions using a quantum sensor [50.591267188664666]
  特定の化学反応における磁場効果(MFE)は、過去50年間によく確立されてきた。 我々は、局所的なスピン環境とセンサーとの結合を考慮して、ラジカル対の精巧で現実的なモデルを採用する。 2つのモデル系に対して、ラジカル対とNV量子センサの弱い結合状態においても検出可能なMFEの信号を導出する。
  論文  参考訳（メタデータ） (2022-09-28T12:56:15Z)

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。