要約
機械学習が地球システムをモデル化する能力をどのように変えたか、そして最近の進歩が近い将来スイスのエンドユーザーにどのような利益をもたらすと期待されるかをレビューします。
私たちのレビューから、3 つの推奨事項を特定します。
推奨事項 1: ハイブリッド AI 物理モデルの開発: 最適なパフォーマンスに必要な知識ベースのコンポーネントとデータ駆動型のコンポーネントの間の微妙なバランスを認識し、特に長期の予測期間における信頼性の向上のために AI と物理モデリングの統合を強調します。
推奨事項 2: AI ダウンスケーリング アプローチの堅牢性を強調し、物理法則を尊重し、変数間の依存関係と空間構造を保持し、局所スケールでの極値を正確に表現する手法を優先します。
推奨事項 3: 包括的なモデル開発の促進: 地球システム モデルの開発がオープンで多様な利害関係者にアクセスできるようにし、予報者、一般の人々、AI/統計の専門家がモデルとその予測/予測を使用、開発、関与できるようにします。
要約(オリジナル)
We review how machine learning has transformed our ability to model the Earth system, and how we expect recent breakthroughs to benefit end-users in Switzerland in the near future. Drawing from our review, we identify three recommendations. Recommendation 1: Develop Hybrid AI-Physical Models: Emphasize the integration of AI and physical modeling for improved reliability, especially for longer prediction horizons, acknowledging the delicate balance between knowledge-based and data-driven components required for optimal performance. Recommendation 2: Emphasize Robustness in AI Downscaling Approaches, favoring techniques that respect physical laws, preserve inter-variable dependencies and spatial structures, and accurately represent extremes at the local scale. Recommendation 3: Promote Inclusive Model Development: Ensure Earth System Model development is open and accessible to diverse stakeholders, enabling forecasters, the public, and AI/statistics experts to use, develop, and engage with the model and its predictions/projections.
arxiv情報
| 著者 | Tom Beucler,Erwan Koch,Sven Kotlarski,David Leutwyler,Adrien Michel,Jonathan Koh |
| 発行日 | 2024-01-26 08:41:30+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google