論文の概要: AEGIS: Differentiable Mars Climate Model with Neural Closures
- arxiv url: http://arxiv.org/abs/2610.04081v1
- Date: Fri, 02 Oct 2026 21:45:37 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-10-06 20:56:16.263929
- Title: AEGIS: Differentiable Mars Climate Model with Neural Closures
- Title（参考訳）: AEGIS:ニューラルクロージャを持つ火星の異なる気候モデル
- Abstract要約: 一般的な循環モデル(GCM)は、惑星大気をシミュレートするための主要なツールである。
ここでは、火星のユニークな大気物理学をDinosaur dynamical coreに結合する、火星の気候モデルであるAEGISを紹介する。
本研究は, 年間10マースシミュレーションを行い, 年次コサイクルを再現し, 総コインベントリを保存した。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: General circulation models (GCMs) are the primary tool for simulating planetary atmospheres. They play a vital role in understanding Mars's atmosphere, as forecasting its unique weather is mission-critical for operations such as entry, descent, and landing. Mars poses unusual challenges for these models, as observations are sparse compared to Earth. In addition, a thin \co{} atmosphere alongside a radiatively active dust cycle creates a volatile atmosphere with large diurnal temperature swings and no true terrestrial analog for validation. Existing Mars GCMs, including the LMD PCM, the NASA Ames Mars GCM, and PlanetWRF, are mature and physically detailed but are implemented in legacy Fortran with finite-difference or finite-volume solvers, and they do not expose gradients for calibration or machine learning. Here we present AEGIS, a modular differentiable Mars climate model that couples Mars's unique atmospheric physics to the Dinosaur dynamical core, with interfaces for neural closures. We showcase stable ten-Mars-year simulations that reproduce the seasonal \co{} cycle while conserving the total \co{} inventory, capture realistic large-scale surface-temperature structure, and produce surface pressure that follows Mars Orbiter Laser Altimeter (MOLA) topography. Gradients through coupled trajectories agree with finite differences and support physical calibration and neural training. We compare with conventional GCMs, highlighting the framework's computational efficiency and differentiability.
- Abstract（参考訳）: 一般的な循環モデル(GCM)は、惑星大気をシミュレートするための主要なツールである。
彼らは火星の大気を理解する上で重要な役割を担い、その独特の天候を予測することは、突入、降下、着陸といった作戦にとってミッションクリティカルである。
火星は、地球と比べて観測が少ないため、これらのモデルに異常な課題を生じさせる。
さらに、放射的に活発な塵の循環とともに薄い \co{} の大気は、大きな日中の温度変動と真の地球上の類似点のない揮発性大気を発生させる。
LMD PCM、NASA Ames Mars GCM、PlanetWRFなどの既存の火星GCMは成熟しており、物理的に詳細であるが、Fortranでは有限差分または有限体積の解法を用いて実装されており、校正や機械学習の勾配は明らかにしていない。
ここでは、火星のユニークな大気物理学をDinosaur Dynamical coreに結合するモジュラー微分可能な火星気候モデルであるAEGISを紹介します。
本研究では, 年間10年間の安定なシミュレーションを行い, 季節周期を再現し, 総在庫を保存し, 現実的な大規模表面温度構造を捕捉し, 火星軌道レーザー高度計 (MOLA) に追従する表面圧力を生成する。
結合軌道による勾配は有限差に一致し、物理的校正と神経訓練をサポートする。
我々は従来のGCMと比較し、フレームワークの計算効率と微分可能性を強調した。
関連論文リスト
- MarsCast: Transfer Learning of AI Weather Foundation Models to Planetary Atmospheres [0.0]
我々は、火星の大気力学をシミュレートするために、グラフCastグラフのニューラルネットワーク天気予報モデルを適用した。
微調整により、火星の熱変動の迅速な学習が可能になる。
結果は、地球で訓練されたAI気象モデルが火星の大気力学をシミュレートできることを示した。
論文 参考訳（メタデータ） (2026-08-05T17:03:13Z) - ARCO-Mars: A Unified Cloud-Optimized Archive of Mars Atmosphere Reanalysis [0.0]
ARCO-Marsは3つの大気再分析製品への統合アクセスを提供する統合クラウドdデータセットである。
MGS/TES、ODY/THEMIS、およびMRO/MCS機器からの熱赤外検索を同化する。
データ同化モデルと一般循環モデルの違いによる系統的差異を同定するために,3つの再分析産物間の状態変数を比較した。
論文 参考訳（メタデータ） (2026-06-19T19:18:52Z) - Earth-o1: A Grid-free Observation-native Atmospheric World Model [81.55899748753434]
我々は、構造的制約を克服する観測ネイティブな大気圏モデルであるEarth-o1を提示する。
多様なセンサー入力を統一されたグリッドフリーな力学場に統合することにより、モデルは空間と時間の大気状態を自律的に前進させる。
本稿では,このパラダイムにより,明示的な数値解法のオーバーヘッドを伴わずに,直接的,リアルタイムな予測とクロスセンサ推論が可能となることを示す。
論文 参考訳（メタデータ） (2026-05-07T14:27:48Z) - 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) - Martian World Models: Controllable Video Synthesis with Physically Accurate 3D Reconstructions [116.56517155163716]
本研究では,実際のステレオナビゲーション画像から3次元火星環境を再構築するデータキュレーションパイプラインを提案する。
火星の地形ビデオジェネレータMarsGenは、データにエンコードされた3D構造と視覚的にリアルで幾何学的に整合した新しいビデオを合成する。
提案手法は、地上データセットで訓練された映像合成モデルより優れ、優れた視覚的忠実度と3次元構造整合性を実現する。
論文 参考訳（メタデータ） (2025-07-10T17:54:27Z) - ClimateBench-M: A Multi-Modal Climate Data Benchmark with a Simple Generative Method [61.76389719956301]
我々は、ERA5の時系列気候データ、NOAAの極度の気象イベントデータ、NASAの衛星画像データを調整するマルチモーダル気候ベンチマークであるClimateBench-Mに貢献する。
また,各データモダリティの下では,天気予報,雷雨警報,作物の分断作業において,競争性能を向上できる簡易かつ強力な生成手法を提案する。
論文 参考訳（メタデータ） (2025-04-10T02:22:23Z) - Vision-based Geo-Localization of Future Mars Rotorcraft in Challenging Illumination Conditions [4.6901215692204286]
Geo-LoFTRは画像登録のための幾何学支援ディープラーニングモデルである。
提案方式は, 照明やスケールの変動による局所化精度において, 従来のMbLよりも優れていた。
論文 参考訳（メタデータ） (2025-02-13T22:10:21Z) - Expanding Mars Climate Modeling: Interpretable Machine Learning for
Modeling MSL Relative Humidity [0.0]
本稿では,機械学習技術を活用した火星の気候モデリング手法を提案する。
我々の研究は、Gale Craterの相対湿度を正確にモデル化するために設計されたディープニューラルネットワークを提案する。
我々のニューラルネットワークは、いくつかの気象変数を用いて、ガレクレーターの相対湿度を効果的にモデル化できることがわかった。
論文 参考訳（メタデータ） (2023-09-04T08:15:15Z) - Spatiotemporal modeling of European paleoclimate using doubly sparse
Gaussian processes [61.31361524229248]
計算負担を軽減するため,近年の大規模分散時間GPを構築した。
我々は,古気候の確率モデルを構築するために,この2倍のスパースGPをうまく利用した。
論文 参考訳（メタデータ） (2022-11-15T14:15:04Z) - Martian Ionosphere Electron Density Prediction Using Bagged Trees [0.0]
この研究は、機械学習を用いて火星の電離圏の電子密度予測モデルを構築するための最初の試みである。
このモデルでは、太陽圏の電離層を70度から90度の範囲で観測する。
論文 参考訳（メタデータ） (2022-11-03T15:33:19Z) - 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。