論文の概要: EC-EarthFlow: Probabilistic emulation of daily transient global climate model simulations with flow matching
- arxiv url: http://arxiv.org/abs/2610.09715v1
- Date: Wed, 07 Oct 2026 09:10:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 21:58:22.819224
- Title: EC-EarthFlow: Probabilistic emulation of daily transient global climate model simulations with flow matching
- Title（参考訳）: EC-EarthFlow:フローマッチングを用いた日平均一過性気候モデルシミュレーションの確率的エミュレーション
- Abstract要約: 本稿では,気候モデルEC-Earth3のシミュレーションをエミュレートする生成フローマッチングモデルEC-EarthFlowを紹介する。
我々は,EC-Earth3の日次変動,空間パターン,年次周期,長期傾向を,物理モデルよりも大幅に少ない計算コストで再現する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce EC-EarthFlow, a generative flow matching model that emulates simulations from the physical climate model EC-Earth3. The model is trained on transient simulations from EC-Earth3 (1950-2166, SSP2-4.5) to predict the day ahead temperature field from the previous days temperature as well as annual mean temperature. Predictions are made auto-regressively with rollout periods of between a month and an extended season. Using only this variable of interest, we are able to reproduce the daily variability, spatial patterns, annual cycle and long-term trend from EC-Earth3 at a substantially lower computational cost than the physical model. We demonstrate that EC-EarthFlow is stable for long inference periods, and that it can learn the physical relationships as simulated in EC-Earth3.
- Abstract（参考訳）: 物理気候モデルEC-Earth3のシミュレーションをエミュレートする生成フローマッチングモデルEC-EarthFlowを紹介する。
このモデルは、EC-Earth3(1950-2166, SSP2-4.5)の過渡シミュレーションに基づいて、前日温度と年平均温度から1日前の温度場を予測する。
予測は1ヶ月から長期のロールアウト期間で自動回帰的に行われる。
この変数のみを用いて,EC-Earth3の日次変動,空間パターン,年次周期,長期傾向を物理モデルよりも大幅に少ない計算コストで再現することができる。
我々は、EC-EarthFlowが長期にわたって安定であり、EC-Earth3でシミュレートされた物理的関係を学習できることを実証した。
関連論文リスト
- EO-WM: A Physically Informed World Model for Probabilistic Earth Observation Forecasting [50.31500063307306]
マルチスペクトル地球観測予測のためのビデオ拡散変換器であるEO-WMを紹介する。
EO-WMは、気象基準線、気象異常、累積的な物理的ストレス信号を通して気象的な強制力を表す物理的に情報を得た条件付けフレームワークを組み込んでいる。
実験の結果、EO-WMは予測正規化植生指数(NDVI)の減少振幅を相対5.63%減少させ、方向のヒット率を相対7.80%向上させることがわかった。
論文 参考訳（メタデータ） (2026-06-25T16:53:30Z) - 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) - Spatiotemporal Pyramid Flow Matching for Climate Emulation [12.682343033641137]
生成モデルは、地球の変化する気候をエミュレートする方法を変える可能性がある。
以前の生成的アプローチは、気候エミュレーションのための気象スケールの自己回帰に依存していた。
SPFは空間的および時間的スケールでデータを階層的にモデル化する新しいタイプのマッチングアプローチである。
論文 参考訳（メタデータ） (2025-12-01T23:20:03Z) - 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) - CirT: Global Subseasonal-to-Seasonal Forecasting with Geometry-inspired Transformer [47.65152457550307]
重力の循環特性をモデル化する幾何インスパイアされた循環変換器(CirT)を提案する。
地球再分析5(ERA5)再解析データセットの実験は、我々のモデルが先進的なデータ駆動モデルよりも大幅に改善することを示した。
論文 参考訳（メタデータ） (2025-02-27T04:26:23Z) - Probabilistic Emulation of a Global Climate Model with Spherical DYffusion [15.460280166612119]
本研究では, 高精度で物理的に整合した地球規模の気候アンサンブルシミュレーションを作成した最初の条件生成モデルを提案する。
我々のモデルは、動的インフォームド拡散フレームワーク(DYffusion)と、球状フーリエニューラル演算子(SFNO)アーキテクチャを統合する。
このモデルは、気候モデルエミュレーションのための金本位に近い性能を達成し、既存のアプローチを上回り、有望なアンサンブルスキルを実証する。
論文 参考訳（メタデータ） (2024-06-21T00:16:55Z) - DiffESM: Conditional Emulation of Earth System Models with Diffusion
Models [2.1989764549743476]
地球系モデル (ESMs) の重要な応用は、熱波や乾燥した呪文のような極端な気象現象を研究することである。
拡散モデルにより、以前にもみられなかった気候シナリオ下でのESMの傾向を効果的にエミュレートできることを示す。
論文 参考訳（メタデータ） (2023-04-23T17:12:33Z) - 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) - 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) - Dynamical Landscape and Multistability of a Climate Model [64.467612647225]
2つの気候モデルのうちの1つで第3の中間安定状態が見つかる。
我々のアプローチを組み合わせることで、海洋熱輸送とエントロピー生産の負のフィードバックが地球の気候の地形をどのように大きく変えるかを特定することができる。
論文 参考訳（メタデータ） (2020-10-20T15:31:38Z)
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。