基于数据驱动方法发现随机碳循环系统的最可能转移路径
动力系统
2024-06-19 v1
摘要
许多自然系统表现出 tipping point（临界点），其中环境条件的变化引发向新的、有时截然不同的状态的突然转变。全球气候变化常与海洋碳储量的稳定性相关。我们考虑上层海洋的随机碳酸盐系统以捕捉此类转变现象。基于 Onsager-Machlup 作用泛函理论，我们通过神经打靶法（neural shooting method）计算亚稳态与振荡态之间的最可能转移路径，并进一步探索外部随机碳输入速率对最可能转移路径的影响，这为识别自然发生的临界点提供了基础。特别地，我们研究转移时间对转移路径的影响，并进一步利用物理信息神经网络计算朝向振荡 regime 中最大碳酸盐浓度状态的最优转移时间。本工作为简单模型中随机碳输入对气候转变的影响提供了一些见解。关键词：Onsager-Machlup 作用泛函，最可能转移路径，神经打靶法，随机碳循环系统。
引用
@article{arxiv.2207.07252,
title = {A Data-Driven Approach for Discovering the Most Probable Transition Pathway for a Stochastic Carbon Cycle System},
author = {Jianyu Chen and Jianyu Hu and Wei Wei and Jinqiao Duan},
journal= {arXiv preprint arXiv:2207.07252},
year = {2024}
}