气候变化中二氧化碳的神经网络大气输送建模
原文中文,约300字,阅读约需1分钟。发表于: 。本研究解决了在气候协议实施中,准确描述大气中二氧化碳分布的挑战。通过探索四种先进的深度神经网络,本研究提出了一种新颖的建筑设计,使预测在长期内保持稳定并满足质量守恒。最重要的发现是,SwinTransformer在模型性能上表现优异,能够实现长达六个月的稳定和质量守恒的输送预测。
我们提出了ACE(AI2 Climate Emulator),一个200M参数的自回归机器学习模拟器,用于全球大气模型。ACE能够准确评估物理规律并保持稳定。相比基准模型,ACE在80%以上的跟踪变量上表现更佳,且时间和资源效率更高。