The Climate Generator: Stochastic climate representation forglacial cycle integration
Notice bibliographique
Résumé
Abstract. This paper presents a computationally efficient stochastic approach to simulate atmospheric fields (specifically monthly mean temperature and precipitation) on large spatial-temporal scales. In analogy with Weather Generators (WG), the modelling approach can be considered a Climate Generator (CG). The CG can also be understood as a field-specific General Circulation climate Model (GCM) emulator. It invokes aspects of spatio-temporal downscaling, in this case mapping the output of an Energy Balance climate Model (EBM) to that of a higher resolution GCM. The CG produces a synthetic climatology conditioned on various inputs. These inputs include sea level temperature from a fast low-resolution EBM, surface elevation, ice mask, atmospheric concentrations of carbon dioxide, methane, orbital forcing, latitude and longitude. Bayesian Artificial Neural Networks (BANN) are used for nonlinear regression against GCM output over North America, Antarctica and Eurasia. Herein we detail and validate the methodology. To impose natural variability in the CG (to make the CG indistinguishable from a GCM) stochastic noise is added to each prediction. This noise is generated from a normal distribution with standard deviation computed from the 10 % and 90 % quantiles of the predictive distribution values from the BANNs for each time step. This derives from a key working assumption/approximation that the self-inferred predictive uncertainty of the BANNs is in good part due to the internal variability of the GCM climate. Our CG is trained against GCM (FAMOUS and CCSM) output for the last deglacial interval (22 ka to present year). For predictive testing, we compare the CG predictions against GCM (FAMOUS) output for the disjoint remainder of the last glacial interval (120 ka to 22.05 ka). The CG passes a climate Turing test, an indistinguishability test in analogy with the original Turing test for artificial intelligence. This initial validation of the Climate Generator approach justifies further development and testing for long time integration contexts such as coupled ice-sheet climate modelling over glacial cycle time-scales.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».