用于气候临界点发现的生成对抗网络 (TIP-GAN)
机器学习
2023-02-22 v1 人工智能
摘要
我们提出了一种新的临界点生成对抗网络 (TIP-GAN)，以更好地刻画地球系统模型中潜在的气候临界点。我们描述了一种对抗博弈来探索这些模型的参数空间、检测即将发生的临界点并发现临界点的驱动因素。在该设定中，一组生成器学习构建将引发气候临界点的模型配置。判别器学习识别哪些生成器正在生成每个模型配置，以及给定配置是否会导致临界点。判别器使用一个预言机（代理气候模型）进行训练，以测试生成的模型配置是否导致临界点。我们展示了该 GAN 在引发大西洋经向翻转环流 (AMOC) 崩溃中的应用。我们分享了修改损失函数和生成器数量以利用气候临界点附近模型状态空间中不确定性区域的实验结果。此外，我们表明训练后的判别器可在不使用预言机的情况下以高准确度预测 AMOC 崩溃。该方法可推广到其他临界点，并通过将有意研究临界点的用户引导至在其计算密集型气候模型中可能诱发所述临界点的参数集，来增强气候建模研究。
引用
@article{arxiv.2302.10274,
title = {A Generative Adversarial Network for Climate Tipping Point Discovery (TIP-GAN)},
author = {Jennifer Sleeman and David Chung and Anand Gnanadesikan and Jay Brett and Yannis Kevrekidis and Marisa Hughes and Thomas Haine and Marie-Aude Pradal and Renske Gelderloos and Chace Ashcraft and Caroline Tang and Anshu Saksena and Larry White},
journal= {arXiv preprint arXiv:2302.10274},
year = {2023}
}