研究人员探索了使用科学机器学习（SciML）模拟器来增强全球大气模型中气溶胶过程的表示。他们的研究重点是在 Energy Exascale Earth System Model version 2 (E3SMv2) 中模拟气溶胶微物理，并考察了网络架构复杂性和变量归一化等因素。研究结果表明，优化收敛性、缩放策略和网络复杂性对模拟精度有显著影响，在正确缩放和收敛的情况下，更简单的架构也能取得有希望的结果。 AI
影响 为将 SciML 应用于大气物理模拟提供了见解，有望提高气候模型的准确性。
排序理由 关于将科学机器学习应用于大气建模的学术论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
Toward the goal of using Scientific Machine Learning (SciML) emulators to improve the numerical representation of aerosol processes in global atmospheric models, we explore the emulation of aerosol microphysics processes under cloud-free conditions in the 4-mode Modal Aerosol Mod…
Toward the goal of using Scientific Machine Learning (SciML) emulators to improve the numerical representation of aerosol processes in global atmospheric models, we explore the emulation of aerosol microphysics processes under cloud-free conditions in the 4-mode Modal Aerosol Mod…