下一代地球系统模式：面向天气与气候应用的可靠混合模式
大气与海洋物理
2024-01-29 v2 人工智能
计算物理
摘要
我们回顾了机器学习如何改变了我们建模地球系统的能力，以及我们预期近期的突破将如何在不久的将来惠及瑞士的终端用户。基于我们的回顾，我们提出三项建议。建议 1：发展混合 AI-物理模式：强调 AI 与物理建模的融合以提升可靠性，尤其针对更长的预报时效，并认识到最优性能所需的知识驱动与数据驱动组件之间的微妙平衡。建议 2：在 AI 降尺度方法中强调鲁棒性，偏好尊重物理定律、保持变量间依赖与空间结构、并在局地尺度准确刻画极端值的技术。建议 3：促进包容性的模式开发：确保地球系统模式开发对多元利益相关者开放且可及，使预报员、公众及 AI/统计专家能够使用、开发并参与该模式及其预报/预估。
引用
@article{arxiv.2311.13691,
title = {Next-Generation Earth System Models: Towards Reliable Hybrid Models for Weather and Climate Applications},
author = {Tom Beucler and Erwan Koch and Sven Kotlarski and David Leutwyler and Adrien Michel and Jonathan Koh},
journal= {arXiv preprint arXiv:2311.13691},
year = {2024}
}
备注
12 pages, 1 figure, submitted as part of the Swiss Academy of Engineering Sciences' 2024 whitepaper on "Artificial Intelligence for Climate Change Mitigation"