
動的ダウンスケーリングと生成的人工知能を組み合わせることで、大規模な気候モデルアンサンブルの地域的な気候予測を効率的に行うことができる。


coremsg

気候モデルアンサンブルの動的生成的ダウンスケーリング

title_rewrite


LUCIE は、長期的に安定した気候を生成し、物理的に整合性のある 1000 メンバーアンサンブルの気候シミュレーションを低コストで実行できる。


長期的な安定性と物理的整合性を備えた-o-1000-メンバーアンサンブルのための軽量非結合型気候エミュレータ-lucie


長期的な安定性と物理的整合性を備えた O(1000) メンバーアンサンブルのための軽量非結合型気候エミュレータ LUCIE



ランダムフォレスト回帰と特徴量重要度を組み合わせた新しい手法を提案し、気候変数間の相互作用と影響経路を特定および順位付けする。


火山噴火による気候への影響経路の検出のためのランダムフォレスト回帰の特徴量重要度


気候モードの相互作用を組み込んだ拡張非線形再充電振動子モデルにより、従来の気候モデルや人工知能予測よりも優れたエルニーニョ予測が可能となる。


An extended nonlinear recharge&nbsp;oscillator model shows skilful&nbsp;and&nbsp;explainable El Niño–Southern Oscillation forecasts at lead times up to 16–18 months, better than global climate models and comparable to the most skilful artificial intelligence forecasts.

Explainable El Niño predictability from climate mode interactions - Nature

気候モードの相互作用から説明可能なエルニーニョ予測可能性


拡散ベースの生成モデルを使用して、低解像度の気候データから高解像度の気候データを生成することができる。これにより、気候変動の影響評価に必要な詳細な予測情報を提供できる。


気候のための生成型拡散ベースのダウンスケーリング