Kanadalı araştırmacılar, mevsimsel iklim tahminlerinin doğruluğunu artırmak için üretken yapay zeka teknolojisini kullandı. Geliştirilen yöntem, Arktik deniz buzunun gelecekteki durumunu öngören tahminlerdeki sistematik hataları düzeltiyor. Conditional Variational Autoencoder (cVAE) adlı derin öğrenme modeli kullanılarak oluşturulan sistem, büyük veri setleri üretebiliyor ve belirsizlikleri daha iyi analiz edebiliyor. Bu yenilik, iklim planlaması ve risk yönetimi açısından kritik önem taşıyor çünkü daha güvenilir erken uyarı sistemleri sağlıyor.

arXiv — Atmosfer & Okyanus Bilimleri 0

İklim & Çevre

18 May

Yapay Zeka ve Fizik Karışımı: İklim Modellerinde Güvenilirlik Odaklı Yeni Yaklaşım

İklim modellerindeki kalıcı sistematik hatalar, atmosferik konveksiyon ve türbülansın tam çeşitliliğini temsil etme güçlüğünden kaynaklanıyor. Makine öğrenmesi tabanlı parametrizasyonlar bu hataları azaltma konusunda umut vaat ediyor ancak uzun vadeli kararlı simülasyonlar zorlu kalıyor. Araştırmacılar, yapay zeka ve geleneksel fizik yaklaşımlarını güvenilirlik tabanlı bir şekilde harmanlayan yeni bir hibrit model geliştirdi. Bu yöntem, farklı iklim modelleri arasındaki veri dağılımı farklılıklarından kaynaklanan sorunları çözmek için güven tabanlı karıştırma tekniği kullanıyor. Çalışma, ClimSim verisiyle eğitilen modelin başka bir iklim sistemine nasıl transfer edilebileceğini gösteriyor ve iklim modellemesinde yapay zeka kullanımında önemli bir adım teşkil ediyor.

arXiv — Atmosfer & Okyanus Bilimleri 0