論文の概要: Stochastic Emulation of a Fully Coupled Preindustrial E3SMv3 Simulation

• arxiv url: http://arxiv.org/abs/2608.10277v1
• Date: Mon, 10 Aug 2026 22:19:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-12 19:14:45.830686
• Title: Stochastic Emulation of a Fully Coupled Preindustrial E3SMv3 Simulation
• Title（参考訳）: 完全結合型プレインダストリアルE3SMv3シミュレーションの確率的エミュレーション
• Abstract要約: 大気エミュレータと深海エミュレータ(Samudra)を結合したSamudrACEフレームワーク上に構築したE3SMバージョン3の複合エミュレータを提案する。 我々は、決定論的大気エミュレータをそれに代わるACE2Sに置き換え、その結合系を確率論的目的で微調整し、大気が海洋の内部変動の源となるようにした。 インダストリアル・コントロール・シミュレーションの105年で訓練され、独立400年で評価され、エミュレータは既存のモデルからオブザーバまでのバイアスよりもはるかに小さいE3SMv3の平均気候状態を再現する。
• 参考スコア（独自算出の注目度）: 1.870475180413669
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a stochastic coupled emulator of E3SM version 3, built on the SamudrACE framework, which couples an atmosphere emulator (ACE2) with a full-depth ocean emulator (Samudra). We replace the deterministic atmosphere emulator with its stochastic counterpart, ACE2S, and fine-tune the coupled system with a probabilistic objective, so that the atmosphere acts as a source of internal variability for the ocean. Trained on 105 years of a pre-industrial control simulation and evaluated on an independent 400 years, the emulator reproduces E3SMv3's mean climate state with biases much smaller than existing model-to-observation differences. Relative to a deterministic baseline, stochastic training maintains internal variability across timescales, most notably in the ENSO power spectrum, eddy-rich SST anomalies, and sea ice variability in the marginal ice zone. The emulator captures daily precipitation accurately up to the 99.99th percentile, but underestimates the rarest tropical extremes. These results show that stochastic coupled emulators can reproduce long-timescale variability with high fidelity, while extrapolation to unseen extremes remains a key challenge.
• Abstract（参考訳）: 大気エミュレータ(ACE2)と深海エミュレータ(Samudra)を結合したSamudrACEフレームワーク上に構築したE3SMバージョン3の確率結合エミュレータを提案する。 我々は、決定論的大気エミュレータを確率論的エミュレータであるACE2Sに置き換え、確率論的目的で結合系を微調整し、大気が海洋の内部変動の源となるようにした。 インダストリアル・コントロール・シミュレーションの105年で訓練され、独立400年で評価され、エミュレータはE3SMv3の平均的な気候状態を、既存のモデルと観測の違いよりもはるかに小さいバイアスで再現する。 決定論的ベースラインとは対照的に、確率的トレーニングは、特にENSOパワースペクトル、エディリッチなSST異常、辺縁氷帯の海氷変動など、時間スケールにおける内部変動を維持している。 エミュレータは毎日の降水量を99.99パーセントまで正確に捉えているが、最も稀な熱帯性極端を過小評価している。 これらの結果から, 確率結合型エミュレータは高忠実度で長期間の変動を再現できる一方で, 見えない極端への外挿は重要な課題であることがわかった。

関連論文リスト

• Earth System Foundation Model (ESFM): A unified framework for heterogeneous data integration and forecasting [52.53742727060265]
  地球系の基礎モデル(FM)は、大量のデータセットにわたる物理変数間の統計的関係を学習する。 本稿では,アース・システム・ファンデーション・モデル(ESFM)について紹介する。 本研究では,高密度グリッドデータ (ERA5, CMIP6) , 地域密集データ, 疎グリッドMODIS衛星データ, 局データを用いた。 結果は、最先端のベンチマークと比較して、競争力や優れたパフォーマンスを示している。
  論文  参考訳（メタデータ） (2026-04-20T11:40:39Z)
• Towards Real-world Human Behavior Simulation: Benchmarking Large Language Models on Long-horizon, Cross-scenario, Heterogeneous Behavior Traces [81.41397370235102]
  我々はOmniBehaviorを紹介した。OmniBehaviorは実世界のデータから構築された最初のユーザシミュレーションベンチマークである。 現在のモデルでは,コンテキストウィンドウが拡大しても,複雑な振る舞いを正確にシミュレートすることが困難であることを示す。 この結果、個人差や長い尾の挙動が失われ、将来の高忠実度シミュレーション研究における重要な方向性が浮き彫りになる。
  論文  参考訳（メタデータ） (2026-04-09T15:26:21Z)
• DiffusionHarmonizer: Bridging Neural Reconstruction and Photorealistic Simulation with Online Diffusion Enhancer [62.18680935878919]
  レンダリングを時間的に一貫した出力に変換するオンライン生成拡張フレームワークであるDiffusionHarmonizerを紹介した。 コアとなるのは、単一のGPU上でオンラインシミュレータで実行可能な、一段階の時間的条件付きエンハンサーである。
  論文  参考訳（メタデータ） (2026-02-27T15:35:30Z)
• 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)
• Score-based generative emulation of impact-relevant Earth system model outputs [2.2940141855172036]
  ポリシーターゲットは、結合モデル相互比較プロジェクトサイクルよりも早く進化します。 深部生成モデルでは,影響に関連する変数の分布を共同でモデル化できる可能性が示唆された。 本研究は,先進国と強制政権の3つの異なるESMのパフォーマンスを評価する。
  論文  参考訳（メタデータ） (2025-10-05T20:54:19Z)
• SamudrACE: Fast and Accurate Coupled Climate Modeling with 3D Ocean and Atmosphere Emulators [6.297785124293287]
  SamudrACEは、水平1度、大気6時間、海洋5日の分解能で何世紀にもわたってシミュレーションを制作している。 高度に安定しており、その成分に匹敵する気候バイアスが低い。
  論文  参考訳（メタデータ） (2025-09-15T22:27:26Z)
• Whenever, Wherever: Towards Orchestrating Crowd Simulations with Spatio-Temporal Spawn Dynamics [65.72663487116439]
  ニューラル・テンポラル・ポイント・プロセスを用いて生成時間生成ダイナミクスをモデル化するnTPP-GMMを提案する。 我々は,nTPP-GMMを用いた3つの実世界のデータセットのシミュレーションによるアプローチの評価を行った。
  論文  参考訳（メタデータ） (2025-03-20T18:46:41Z)
• DiffESM: Conditional Emulation of Temperature and Precipitation in Earth System Models with 3D Diffusion Models [0.7776497736451751]
  地球系モデル(Earth System Models、ESM)は、人間の活動と地球の気候の間の相互作用を理解するために不可欠である。 ESMは、しばしば実行可能なシミュレーションの数を制限し、極端な気象イベントに関連するリスクのロバストな分析を妨げる。 生成型ディープラーニングモデルのクラスである拡散モデルを用いて、毎月のESM出力を1日あたりの周波数に効果的にダウンスケールする。
  論文  参考訳（メタデータ） (2024-09-17T23:20:05Z)
• The impact of internal variability on benchmarking deep learning climate emulators [2.3342885570554652]
  完全複雑地球系モデル(ESM)は計算に非常に高価であり、複数の放出経路の気候結果の探索に使用を制限している。 ESMを近似したより効率的なエミュレータは、排出ガスを直接気候の結果にマッピングすることができ、ベンチマークを使用して標準化されたタスクやデータセットの精度を評価する。 我々は、データ駆動型気候エミュレーションの一般的なベンチマークであるClimateBenchを調査し、ディープラーニングベースのエミュレータが現在、最高のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2024-08-09T18:17:17Z)
• Flexible and efficient emulation of spatial extremes processes via variational autoencoders [9.09823450442456]
  我々は、XVAEと呼ばれる変分オートエンコーダの符号化・復号構造に、フレキシブルで非定常的依存特性を持つ新しい空間超越モデルを統合する。 XVAEは空間観測をエミュレートし、特に尾部において入力と同じ統計特性の出力を生成する。 我々は、赤海における高解像度衛星による海面温度のデータセットを分析し、16703格子細胞での30年間の日量測定を含む。
  論文  参考訳（メタデータ） (2023-07-16T15:31:32Z)
• 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)
• Learning Large-scale Subsurface Simulations with a Hybrid Graph Network Simulator [57.57321628587564]
  本研究では3次元地下流体の貯留層シミュレーションを学習するためのハイブリッドグラフネットワークシミュレータ (HGNS) を提案する。 HGNSは、流体の進化をモデル化する地下グラフニューラルネットワーク(SGNN)と、圧力の進化をモデル化する3D-U-Netで構成されている。 産業標準地下フローデータセット(SPE-10)と1100万セルを用いて,HGNSが標準地下シミュレータの18倍の推算時間を短縮できることを実証した。
  論文  参考訳（メタデータ） (2022-06-15T17:29:57Z)
• 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。