PulseAugur
中
实时 04:42:12
English(EN) ArchesClimate: Probabilistic Decadal Ensemble Generation With Flow Matching

深度学习模型ArchesClimate模拟气候模拟以进行年代际预测

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了ArchesClimate，一个旨在模拟气候模拟并降低生成大型集合的计算成本的深度学习模型。ArchesClimate在IPSL-CM6A-LR气候模型上进行训练，使用流匹配来预测长达一年的气候状态。该模型已证明在长达10年的模拟中具有稳定性和物理一致性，生成的模拟在关键气候变量方面被证明与原始模型可互换。 AI

影响 该模型可以显著减少气候研究所需的计算资源，从而实现更大、更全面的年代际气候预测。

排序理由 该集群包含一篇详细介绍用于气候模拟的新AI模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

深度学习模型ArchesClimate模拟气候模拟以进行年代际预测

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Graham Clyne, Guillaume Couairon, Guillaume Gastineau, Claire Monteleoni, Anastase Charantonis ·

    ArchesClimate: Probabilistic Decadal Ensemble Generation With Flow Matching

    arXiv:2509.15942v3 Announce Type: replace-cross Abstract: Internal variability is a dominant contributor to the uncertainty of predictions at the interannual to decadal timescale. A typical approach to separating the internal variability from forced climate responses is to genera…

相关话题