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。
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。
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。
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。
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。