論文の概要: Neptune: An AI model for Global Ocean Subseasonal Prediction

• arxiv url: http://arxiv.org/abs/2609.08606v1
• Date: Tue, 08 Sep 2026 11:42:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.638969
• Title: Neptune: An AI model for Global Ocean Subseasonal Prediction
• Title（参考訳）: Neptune: グローバルオーシャンサブシーズン予測のためのAIモデル
• Abstract要約: サブ・シーズン・ツー・シーズン(S2S)予測は社会的に重要であり、水と農業の管理から災害リスクの低減、エネルギー計画、保険といった分野における意思決定を支援する。 伝統的な物理学に基づくオーシャン・ジェネラル・モデル(CM)は計算コストが高く、コードの複雑さのために開発と改善が困難である。 Neptuneは、S2Sタイムスケール用に最大60日間調整された、大洋と海氷エミュレーションのためのエンドツーエンドのデータ駆動フレームワークである。
• 参考スコア（独自算出の注目度）: 1.6574028140524586
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Subseasonal-to-seasonal (S2S) forecasting is societally critical, supporting decision-making in sectors ranging from water and agricultural management to disaster risk reduction, energy planning, and insurance. Achieving reliable predictions at these timescales requires representing the ocean and its dynamics, but traditional physics-based Ocean General Circulation Models (OGCMs), are computationally expensive and difficult to develop and improve because of the code complexity. In this work, we propose Neptune, an end-to-end data-driven framework for global ocean and sea-ice components emulation tailored for S2S timescales, up to 60 days. Neptune combines Convolutional Neural Networks (CNNs) and Spherical Fourier Neural Operators (SFNOs) to effectively capture local features and global cross-scale interactions, thereby obtaining a coherent representation of the ocean state. Forced by prescribed daily atmospheric fields, Neptune emulates ocean state variables, from temperature and salinity, to zonal and meridional currents, from sea surface height to sea ice thickness and concentration, with daily outputs at the ocean surface and through the water column. Specifically, we propose two variants of Neptune, Neptune-1 and Neptune-025, capable of emulating the ocean state at 1° and 0.25° resolution, respectively. Evaluated against a suite of metrics, including statistics (RMSE, CRPS and ACC), physical coherency (Ocean Heat Content, Eddy Kinetic Energy and Ice Brier Score) and climate indices (ENSO and Z20 metric, IOD), Neptune successfully reproduces the spatio-temporal evolution of the oceanic fields up to 60 days, and is stable over long timescales. Neptune provides compelling evidence that end-to-end data-driven ocean emulators can become a powerful component of next-generation S2S forecasting systems, emulating ocean state at high spatio-temporal resolution.
• Abstract（参考訳）: サブシーズン・ツー・シーズン(S2S)予測は社会的に重要であり、水と農業の管理から災害リスクの低減、エネルギー計画、保険といった分野における意思決定を支援する。 これらの時間スケールで信頼できる予測を達成するには、海とその力学を表現する必要があるが、従来の物理学に基づくオーシャン・ジェネラル・サーキュレーション・モデル(OGCM)は計算的に高価であり、コードの複雑さのために開発と改善が困難である。 本研究では,S2Sタイムスケールに適した大洋および海氷成分エミュレーションのためのエンドツーエンドのデータ駆動フレームワークであるNeptuneを提案する。 Neptuneは、CNN(Convolutional Neural Networks)とSFNO(Spherical Fourier Neural Operators)を組み合わせて、局所的な特徴とグローバルなクロススケールな相互作用を効果的に捉え、海洋状態のコヒーレントな表現を得る。 海王星は、所定の毎日の大気場によって、温度と塩分濃度から、海面の高さから海氷の厚みと濃度まで、海面および水柱を通しての毎日の出力まで、海洋状態の変動をエミュレートする。 具体的には,海王星の海王星1号と海王星025号の2つの変種を提案する。 統計(RMSE, CRPS, ACC)、物理コヒーレンシー(Ocean Heat Content, Eddy Kinetic Energy and Ice Brier Score)、気候指標(ENSO, Z20 metric, IOD)など、一連の指標から評価され、海王星は海洋の時空間的進化を60日間にわたって再現し、長期間にわたって安定している。 Neptuneは、エンドツーエンドのデータ駆動型海洋エミュレータが次世代S2S予測システムの強力な構成要素となり、高時空間分解能で海洋状態をエミュレートできるという説得力のある証拠を提供する。

関連論文リスト

• Predicting Pseudo-nitzschia harmful algal blooms along the Portuguese Coast using satellite-derived predictors [69.38367341895632]
  Pseudo-Nitzschia の珪藻は、海岸生態系やポルトガルの大西洋岸での収穫に繰り返しリスクをもたらす。 衛星由来の予測器を用いて有害な藻類発生を予測する機械学習フレームワークの開発と評価を行った。
  論文  参考訳（メタデータ） (2026-07-08T18:14:24Z)
• AxiomOcean: Forecasting the Three-Dimensional Structure of the Upper Ocean [40.39306206833454]
  AxiomOceanは、垂直階層と水柱内の層間依存性を表す、グローバルなAI海洋予測モデルである。 10日間の予測では、AxiomOceanは変数とリードタイムの間で高度なAI比較モデルを上回っている。 その結果、AI海洋予測において、上海洋の3次元構造を明示的に保存することは、予測精度と物理的忠実度の両方を改善することができることが示された。
  論文  参考訳（メタデータ） (2026-05-11T12:27:04Z)
• Data-driven ensemble prediction of the global ocean [9.068376705993009]
  FuXi-ONSは、地球上の最初の機械学習アンサンブル予測システムである。 海面温度、海面高度、地下温度、塩分濃度、海流について、グローバルな1グリッドで5日間の予測を提供する。 FuXi-ONSは物理的に構造化された摂動を学習し、長距離予測を安定させるために大気符号化モジュールを組み込む。
  論文  参考訳（メタデータ） (2026-03-20T03:05:41Z)
• OceanSAR-2: A Universal Feature Extractor for SAR Ocean Observation [55.978228064498865]
  SARに基づく海洋観測のための第2世代の基盤モデルであるOceanSAR-2を紹介する。 先にリリースしたSentinel-1 Wave Modeデータによる自己教師型学習の先駆者であるOceanSAR-2は、SSLトレーニングの改善と動的データキュレーション戦略に依存しています。
  論文  参考訳（メタデータ） (2026-01-12T10:20:43Z)
• OKG-LLM: Aligning Ocean Knowledge Graph with Observation Data via LLMs for Global Sea Surface Temperature Prediction [70.48962924608033]
  この研究は、SST予測のための多様な海洋知識を表現するために特別に設計された海洋知識グラフ(OKG)を構築するための最初の体系的な取り組みを示す。 最後に, 学習知識を微粒な数値SSTデータと整列させ, 事前学習したLLMを用いてSSTパターンをモデル化し, 正確な予測を行う。
  論文  参考訳（メタデータ） (2025-07-31T02:06:03Z)
• Data-driven global ocean model resolving ocean-atmosphere coupling dynamics [8.075184647214861]
  本研究では, 深層学習(DL)に基づくグローバル3次元海洋循環モデルであるKIST-Oceanについて述べる。 部分的畳み込み、敵の訓練、移動学習を統合し、沿岸の複雑さと予測分布の漂流に対処する。 熱帯太平洋におけるケルビン波やロスビー波の伝播や、シクロニック風や非シクロニック風による垂直運動など、現実的な海洋反応を正確に捉えている。
  論文  参考訳（メタデータ） (2025-07-31T01:45:15Z)
• FengWu-W2S: A deep learning model for seamless weather-to-subseasonal forecast of global atmosphere [53.22497376154084]
  本研究では,FengWuグローバル気象予報モデルに基づくFengWu-Weather to Subseasonal (FengWu-W2S)を提案する。 我々は,FengWu-W2Sが大気環境を3～6週間先まで確実に予測し,マデン・ジュリア振動 (MJO) や北大西洋振動 (NAO) などの地球表面温度, 降水量, 地磁気高度, 季節内信号の予測能力を向上させることを実証した。 日時から季節時の予測誤差成長に関するアブレーション実験
  論文  参考訳（メタデータ） (2024-11-15T13:44:37Z)
• Coupled Ocean-Atmosphere Dynamics in a Machine Learning Earth System Model [0.6008008212472723]
  我々は,高分解能(0.25deg)人工知能/機械学習(AI/ML)結合土系モデルであるオーシャンリンク大気(Ola)モデルを提案する。 その結果,Olaは適切な位相速度を持つ熱帯海洋波を含む海洋-大気結合力学の学習特性を示すことがわかった。 本研究では,地球物理流体力学研究所のSPEARモデルと比較し,エルニーニョ/南方振動(ENSO)の予測能力を示す。
  論文  参考訳（メタデータ） (2024-06-12T20:29:14Z)
• Data-driven Global Ocean Modeling for Seasonal to Decadal Prediction [39.7461632644892]
  ORCA-DLは,海洋循環の季節的・季節的な予測を行う最初のデータ駆動型3次元海洋モデルである。 三次元海洋力学を正確にシミュレートし、最先端の力学モデルより優れている。 ケイデンスの時間スケールで海洋力学を安定にエミュレートし、巧妙なデケイデンスの予測や気候予測にもその可能性を示す。
  論文  参考訳（メタデータ） (2024-05-24T10:23:17Z)
• 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)
• OceanNet: A principled neural operator-based digital twin for regional oceans [0.0]
  本研究は、海洋循環のための原理的ニューラルオペレーターベースのデジタルツインであるOceanNetを紹介する。 オーシャンネットは北西大西洋西部境界流(ガルフストリーム)に適用される
  論文  参考訳（メタデータ） (2023-10-01T23:06:17Z)
• 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)

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。