RAIN: Reinforcement Algorithms for Improving Numerical Weather and Climate Models

要約

この研究では、気候科学における重要なパラメーター化の課題に対処するために、理想化された気候モデルと補強学習（RL）を統合することを調査します。
現在の気候モデルは、複雑な数学的パラメーター化に依存して、サブグリッドスケールプロセスを表し、かなりの不確実性を導入できます。
RLは、直接的な相互作用、スパースまたは遅延フィードバックの処理、継続的なオンライン学習、長期最適化など、これらのパラメーター化スキームを強化する機能を提供します。
2つの理想化された環境で8つのRLアルゴリズムのパフォーマンスを評価します。1つは温度バイアス補正用、もう1つは放射線抑制平衡（RCE）の実世界の計算制約を模倣します。
結果は、さまざまなRLアプローチがさまざまな気候シナリオで優れていることを示しています。調査アルゴリズムはバイアス補正でパフォーマンスを向上させ、搾取アルゴリズムがRCEにより効果的であることを証明しています。
これらの調査結果は、RLベースのパラメーター化スキームの可能性をグローバルな気候モデルに統合し、複雑な気候のダイナミクスをキャプチャする精度と効率を向上させることをサポートしています。
全体として、この作業は、気候の理解と予測を改善するために重要な気候モデルの精度を高めるためにRLを活用するための重要な第一歩を表しています。
https://github.com/p3jitnath/climate-rlでアクセス可能なコード。

要約(オリジナル)

This study explores integrating reinforcement learning (RL) with idealised climate models to address key parameterisation challenges in climate science. Current climate models rely on complex mathematical parameterisations to represent sub-grid scale processes, which can introduce substantial uncertainties. RL offers capabilities to enhance these parameterisation schemes, including direct interaction, handling sparse or delayed feedback, continuous online learning, and long-term optimisation. We evaluate the performance of eight RL algorithms on two idealised environments: one for temperature bias correction, another for radiative-convective equilibrium (RCE) imitating real-world computational constraints. Results show different RL approaches excel in different climate scenarios with exploration algorithms performing better in bias correction, while exploitation algorithms proving more effective for RCE. These findings support the potential of RL-based parameterisation schemes to be integrated into global climate models, improving accuracy and efficiency in capturing complex climate dynamics. Overall, this work represents an important first step towards leveraging RL to enhance climate model accuracy, critical for improving climate understanding and predictions. Code accessible at https://github.com/p3jitnath/climate-rl.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google