DeepClouds.ai: Deep learning enabled computationally cheap direct numerical simulations

要約

特に大気中の雲の端での乱流のシミュレーションは、本質的に困難な作業です。
これまで、このような実験を実行するための最良の計算方法は、直接数値シミュレーション (DNS) です。
DNS では、3 次元空間の離散化されたグリッド ボックスで、Navier-Stokes 方程式とも呼ばれる流体の流れの非線形偏微分方程式を解く必要があります。
これは、降雨形成を計算するために数値気象予測モデルを導いた貴重なパラダイムです。
ただし、DNS は、天気予報コミュニティにとって実用的な大規模なドメインに対しては実行できません。
ここでは、上昇するクラウド DNS 実験の出力をシミュレートする 3D-UNET である DeepClouds.ai を紹介します。
DNS でドメイン サイズを大きくするという問題は、DNS 離散化グリッド シミュレーションの出力から、内側の 3D キューブを完全な 3D キューブにマッピングすることで解決されます。
私たちのアプローチは、複雑な動的コアを解決する必要なく、乱流ダイナミクスを効果的にキャプチャします。
ベースラインは、ディープ ラーニング ベースのシミュレーションが、さまざまなスコア メトリックによって測定される偏微分方程式ベースのモデルに匹敵することを示しています。
このフレームワークを使用して、大気中の大きな物理領域でのシミュレーションを可能にすることで、乱流と雲の流れの科学をさらに進めることができます。
高度なパラメーター化スキームを介した天気予報の改善により、社会的利益のカスケードにつながるでしょう。

要約(オリジナル)

Simulation of turbulent flows, especially at the edges of clouds in the atmosphere, is an inherently challenging task. Hitherto, the best possible computational method to perform such experiments is the Direct Numerical Simulation (DNS). DNS involves solving non-linear partial differential equations for fluid flows, also known as Navier-Stokes equations, on discretized grid boxes in a three-dimensional space. It is a valuable paradigm that has guided the numerical weather prediction models to compute rainfall formation. However, DNS cannot be performed for large domains of practical utility to the weather forecast community. Here, we introduce DeepClouds.ai, a 3D-UNET that simulates the outputs of a rising cloud DNS experiment. The problem of increasing the domain size in DNS is addressed by mapping an inner 3D cube to the complete 3D cube from the output of the DNS discretized grid simulation. Our approach effectively captures turbulent flow dynamics without having to solve the complex dynamical core. The baseline shows that the deep learning-based simulation is comparable to the partial-differential equation-based model as measured by various score metrics. This framework can be used to further the science of turbulence and cloud flows by enabling simulations over large physical domains in the atmosphere. It would lead to cascading societal benefits by improved weather predictions via advanced parameterization schemes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google