Estimation of AMOC transition probabilities using a machine learning based rare-event algorithm

要約

大西洋子午線逆転循環 (AMOC) は地球規模の気候の重要な要素であり、地球温暖化によって崩壊する可能性があるため、傾き要素として知られています。
この研究の主な目的は、軌道適応型マルチレベル分割 (TAMS) と呼ばれるレアイベント アルゴリズムを使用して、指定された時間枠内で AMOC が崩壊する確率を計算することです。
ただし、TAMS の効率と精度は、スコア関数の選択によって異なります。
「コミッター関数」と呼ばれる最適なスコア関数の定義は知られていますが、それを事前に計算することは一般に不可能です。
ここでは、TAMS と、レアイベント アルゴリズムによって生成されたデータからコミッター関数を推定する次世代リザーバー コンピューティング技術を組み合わせます。
この手法を、いわゆる F(ast) 遷移と S(low) 遷移という 2 種類の遷移が存在する AMOC の確率ボックス モデルでテストします。
F-transtion の結果は、物理的情報に基づいたスコア関数が使用された文献の結果と同等です。
レアイベント アルゴリズムと機械学習を組み合わせることで、幅広いモデル パラメーターの遷移確率、遷移時間、さらには遷移パスの正確な推定が可能になることを示します。
次に、これらの結果を同じモデルの S 遷移のより困難な問題に拡張します。
F 遷移と S 遷移の両方の場合において、次世代リザーバー コンピューティング技術を解釈してコミッター関数の分析推定値を取得する方法も示します。

要約(オリジナル)

The Atlantic Meridional Overturning Circulation (AMOC) is an important component of the global climate, known to be a tipping element, as it could collapse under global warming. The main objective of this study is to compute the probability that the AMOC collapses within a specified time window, using a rare-event algorithm called Trajectory-Adaptive Multilevel Splitting (TAMS). However, the efficiency and accuracy of TAMS depend on the choice of the score function. Although the definition of the optimal score function, called “committor function’ is known, it is impossible in general to compute it a priori. Here, we combine TAMS with a Next-Generation Reservoir Computing technique that estimates the committor function from the data generated by the rare-event algorithm. We test this technique in a stochastic box model of the AMOC for which two types of transition exist, the so-called F(ast)-transitions and S(low)-transitions. Results for the F-transtions compare favorably with those in the literature where a physically-informed score function was used. We show that coupling a rare-event algorithm with machine learning allows for a correct estimation of transition probabilities, transition times, and even transition paths for a wide range of model parameters. We then extend these results to the more difficult problem of S-transitions in the same model. In both cases of F- and S-transitions, we also show how the Next-Generation Reservoir Computing technique can be interpreted to retrieve an analytical estimate of the committor function.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google