Samudra: An AI Global Ocean Emulator for Climate

要約

予測用の AI エミュレーターは、従来の数値予測を上回る強力なツールとして登場しました。
次のフロンティアは、さまざまな時空間スケールにわたるスキルを備えた長時間の気候シミュレーション用のエミュレーターを構築することであり、これは海洋にとって特に重要な目標です。
私たちの研究は、最先端の気候モデルの海洋コンポーネントの巧みなグローバル エミュレータを構築します。
私たちは、主要な海洋変数、海面高さ、水平速度、水温、塩分を深さ全体にわたってエミュレートします。
私たちは、海洋データの複数の深さレベルでトレーニングされた、修正された ConvNeXt UNet アーキテクチャを使用します。
私たちは、真実に対してドリフトを示さない海洋エミュレーターであるサムドラが、海洋変数の深さ構造とその年々変動を再現できることを示します。
Samudra は何世紀にもわたって安定しており、元の海洋モデルよりも 150 倍高速です。
サムドラは、強制的な傾向の正確な大きさを把握するのに苦労していると同時に、安定した状態を維持しているため、さらなる作業が必要です。

要約(オリジナル)

AI emulators for forecasting have emerged as powerful tools that can outperform conventional numerical predictions. The next frontier is to build emulators for long climate simulations with skill across a range of spatiotemporal scales, a particularly important goal for the ocean. Our work builds a skillful global emulator of the ocean component of a state-of-the-art climate model. We emulate key ocean variables, sea surface height, horizontal velocities, temperature, and salinity, across their full depth. We use a modified ConvNeXt UNet architecture trained on multidepth levels of ocean data. We show that the ocean emulator – Samudra – which exhibits no drift relative to the truth, can reproduce the depth structure of ocean variables and their interannual variability. Samudra is stable for centuries and 150 times faster than the original ocean model. Samudra struggles to capture the correct magnitude of the forcing trends and simultaneously remains stable, requiring further work.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google