Generative AI models capture realistic sea-ice evolution from days to decades
Tobias Sebastian Finn, Marc Bocquet, Pierre Rampal, Charlotte Durand, Flavia Porro, Alban Farchi, Alberto Carrassi
海冰在稳定地球系统方面发挥着重要作用。 然而,代表其动态仍然是模型面临的主要挑战,因为底层过程是尺度不变和高度各向异性的。 这带来了一个两难境地:基于物理的模型忠实地再现观察到的动力学,计算成本很高,而高效的AI模型牺牲了现实主义。 在这里,为了解决这一困境,我们引入了GenSIM,这是第一个以12小时增量预测整个北极海冰状态演变的生成式AI模型。 GenSIM接受过20年海冰-海洋模拟数据的日常预测培训,30年进行现实预测,同时通过其引线和脊再现海冰的动态特性,并捕捉海冰量的长期趋势。 值得注意的是,尽管完全由大气再分析驱动,但GenSIM隐式地学习了多年冰-海洋相互作用的隐藏特征。 因此,生成式AI可以从亚每日预测推断到十年模拟,同时保持物理一致性。
Sea ice plays an important role in stabilising the Earth system. Yet, representing its dynamics remains a major challenge for models, as the underlying processes are scale-invariant and highly anisotropic. This poses a dilemma: physics-based models that faithfully reproduce the observed dynamics are computationally costly, while efficient AI models sacrifice realism. Here, to resolve this dilemma, we introduce GenSIM, the first generative AI model to predict the evolution of the full Arctic sea-...
