論文の概要: From Manual Construction to AI-Driven Scenario Emergence: Rethinking Catastrophe Risk Modeling

• arxiv url: http://arxiv.org/abs/2609.16493v1
• Date: Tue, 15 Sep 2026 01:30:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 14:56:08.296382
• Title: From Manual Construction to AI-Driven Scenario Emergence: Rethinking Catastrophe Risk Modeling
• Title（参考訳）: 手動構築からAI駆動シナリオ創発:カタストロフィリスクモデリングの再考
• Abstract要約: 伝統的な災害リスクモデル(CAT)は、極度の気象シナリオを生成するために、コストのかかる手作業による構成に依存している。 本研究は,AI天気予報モデルを用いて,一貫した極端気象系列を生成するTAISEフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 7.144663572157704
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Traditional catastrophe (CAT) risk models rely on costly manual construction to generate extreme weather scenarios, an approach largely unchanged since the 1990s. As climate extremes intensify, this creates mounting challenges to the entire risk transfer chain. This study proposes the TAISE framework, which repurposes AI weather forecasting models to produce coherent extreme weather sequences at a fraction of traditional costs. Through self-iterative generation, the framework produces continuous global atmospheric fields from which extreme events emerge. A proof-of-concept experiment demonstrates an order-of-magnitude reduction in computational cost compared with conventional methods, while capturing temporal continuity and cross-regional correlations absent in snapshot-based approaches. These findings suggest a pathway toward democratising catastrophe risk quantification and enabling dynamic, comprehensive portfolio assessment for insurers, reinsurers, ILS fund managers and public-sector risk managers.
• Abstract（参考訳）: 伝統的な災害リスクモデル(CAT)は、極端な気象シナリオを生成するためにコストのかかる手作業による構成に依存しており、アプローチは1990年代からほとんど変わっていない。 気候が極端に激化するにつれ、リスク伝達連鎖全体に課題が生じる。 本研究は,AI天気予報モデルを応用して,従来のコストのごく一部でコヒーレントな極端気象系列を生成するTAISEフレームワークを提案する。 自己刺激的な生成を通じて、このフレームワークは、極端な事象が出現する連続した地球規模の大気場を発生させる。 概念実証実験は、スナップショットベースのアプローチでは欠落する時間的連続性と地域間相関を捉えながら、従来の手法と比較して計算コストのオーダー・オブ・マグニチュード低減を示す。 これらの知見は、災害リスク定量化の民主化と、保険会社、再保険業者、ILSファンドマネジャー、公共セクターリスクマネージャに対する動的かつ包括的なポートフォリオアセスメントの実現に向けた道筋を示唆している。

関連論文リスト

• Surviving the Unseen: Predictive Defense for Novel Multi-Turn Multimodal Attacks [0.0]
  本稿では,動的生存予測と軌道力学問題として安全検証を定式化する。 マルチモーダルおよびマルチターン対話フローを連続軌道としてマッピングする予測モデルとして,トリプル層異常防御(TRIAD)フレームワークが提案されている。
  論文  参考訳（メタデータ） (2026-05-18T18:06:20Z)
• Trajectory-Aware Reliability Modeling of Democratic Systems [0.0]
  複雑なシステムの障害は、孤立したショックではなく、相互作用するコンポーネント間のストレスの伝播によって生じる。 従来の信頼性モデルとサバイバルモデルは、一般的に現在のシステム状態に基づいて障害リスクを見積もるが、時間とともに組織ネットワークを通じてどのように劣化が伝播するかを明確に把握しない。 本稿では,動的因果ニューラルオートレグレスに基づくトラジェクショナル・アウェア・信頼性モデリングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-22T02:47:31Z)
• Risk-Aware World Model Predictive Control for Generalizable End-to-End Autonomous Driving [82.69496624372944]
  「専門家のように運転するのが普通」は限定的な一般化に苦しむ。 E2E-ADシステムは専門家の行動監督なしに信頼できる判断を下せるか? 本稿では,リスクを意識した世界モデル予測制御という統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-26T17:32:30Z)
• CASCADE: Cross-scale Advective Super-resolution with Climate Assimilation and Downscaling Evolution [51.56484100374058]
  CASCADEは、学習された流況変動場に沿って粗い情報を反復的に検出することで微細構造を再構築する。 SEVIRレーダデータを用いて、激しい対流嵐の4倍の超解像について評価した。 大気や海洋の用途において、対流に支配される極端に適した、時間的に一貫した、物理的に一貫した、そして大量保存された復元を生成する。
  論文  参考訳（メタデータ） (2026-02-18T14:41:54Z)
• Proof of Concept: Multi-Target Wildfire Risk Prediction and Large Language Model Synthesis [2.2049183478692593]
  現在最先端の山火事リスク評価アプローチは、しばしば運用上のニーズを見落とし、ファーストレスポンダや消防サービスに対する実用的価値を制限している。 本稿では,リスク次元ごとの予測モデルと大規模言語モデル(LLM)を組み合わせて,異種出力を構造化・実行可能なレポートに合成するハイブリッドフレームワークの開発を提案する。
  論文  参考訳（メタデータ） (2026-01-16T10:47:13Z)
• AD-R1: Closed-Loop Reinforcement Learning for End-to-End Autonomous Driving with Impartial World Models [75.214287449744]
  我々は,Impartial World Modelを中心に構築されたポストトレーニング政策改善のためのフレームワークを紹介する。 私たちの主な貢献は、このモデルに危険について正直であることを教えることです。 大規模な実験を通じて、我々のモデルは失敗を予測する上で、ベースラインを著しく上回っていることを実証する。
  論文  参考訳（メタデータ） (2025-11-25T13:57:24Z)
• Open-set Anomaly Segmentation in Complex Scenarios [88.11076112792992]
  本稿では,複雑なシナリオにおけるオープンセット異常セグメンテーションのベンチマークであるComsAmyを紹介する。 ComsAmyは、幅広い悪天候、動的な運転環境、様々な異常タイプを含む。 本稿では,エネルギーとエントロピーの相補的情報を統合する新しいエネルギ-エントロピー学習(EEL)戦略を提案する。
  論文  参考訳（メタデータ） (2025-04-28T12:00:10Z)
• A Formal Framework for Assessing and Mitigating Emergent Security Risks in Generative AI Models: Bridging Theory and Dynamic Risk Mitigation [0.3413711585591077]
  大規模言語モデル(LLM)や拡散モデルを含む生成AIシステムが急速に進歩するにつれ、その採用が増加し、新たな複雑なセキュリティリスクがもたらされた。 本稿では,これらの突発的なセキュリティリスクを分類・緩和するための新しい形式的枠組みを提案する。 我々は、潜時空間利用、マルチモーダル・クロスアタック・ベクター、フィードバックループによるモデル劣化など、未探索のリスクを特定した。
  論文  参考訳（メタデータ） (2024-10-15T02:51:32Z)
• SFANet: Spatial-Frequency Attention Network for Weather Forecasting [54.470205739015434]
  天気予報は様々な分野において重要な役割を担い、意思決定とリスク管理を推進している。 伝統的な手法は、しばしば気象系の複雑な力学を捉えるのに苦労する。 本稿では,これらの課題に対処し,天気予報の精度を高めるための新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2024-05-29T08:00:15Z)
• Potential Paradigm Shift in Hazard Risk Management: AI-Based Weather Forecast for Tropical Cyclone Hazards [14.98500685250914]
  この研究は、焦点となる例として熱帯性サイクロンを用いる。 そこで我々は,先進的なPangu AI気象モデルを用いて,アンサンブル予測を生成する摂動に基づく手法を開発した。
  論文  参考訳（メタデータ） (2024-04-29T05:32:48Z)
• HurriCast: Synthetic Tropical Cyclone Track Generation for Hurricane Forecasting [5.314981748001983]
  リスクアセスメントのための合成熱帯サイクロン(TC)トラックの生成は、特に北米における気候変動と災害救済の影響に対する準備の重要応用である。 政府や政策立案者にとって、TCの潜在的な影響を理解することは、効果的な緊急対応戦略の開発、コードの構築の更新、レジリエンスと緩和プロジェクトへの投資の優先順位付けに役立つ。 ARIMA と K-MEANS の手法と Autoencoder を併用したハイブリッド手法は,より歴史あるTC の挙動を把握し,将来の軌道や強度を計画するために用いられている。
  論文  参考訳（メタデータ） (2023-09-12T19:48:52Z)
• T$^2$-Net: A Semi-supervised Deep Model for Turbulence Forecasting [65.498967509424]
  空気の乱気流予測は、乗客の安全を保ち、効率を最大化し、コストを下げるガイドルートである有害な乱気流を避けるのに役立つ。 従来の予測手法は、動的で複雑な気象条件では効果の低い、高度にカスタマイズされた乱流指数に依存している。 本研究では,(1)複雑な時間的相関関係と(2)希少性,非常に限られた乱流ラベルが得られるという2つの課題から,機械学習による乱流予測システムを提案する。
  論文  参考訳（メタデータ） (2020-10-26T21:14:15Z)

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。