Partial validation of a lossy compression approach to computing radiative transfer in cloud system‐resolving models
Notice bibliographique
Résumé
Abstract Cloud system‐resolving models (CSRMs) routinely calculate radiative flux profiles via the Independent Column Approximation (ICA). The ICA applies 1D radiative transfer models (RTMs) to all columns in a CSRM's domain. For this study, the Partitioned Gauss–Legendre Quadrature (PGLQ) method replaced the ICA in a CSRM. The PGLQ applies RTMs to columns, identified with GLQ rules, and distributes their flux profiles to the other columns. The PGLQ approach is likened to a lossy compression algorithm that trades information for efficiency. While verification and validation of an audio compression algorithm rest, respectively, on file size reduction and sound quality according to listeners, for the PGLQ they rest on increasing while maintaining, according to experimenters, the integrity of CSRM simulations. A CSRM was run for 80 days in radiative‐convective equilibrium (1,024 × 1,024 columns and horizontal grid‐spacing of 0.25 km) for sea‐surface temperature SST = 295 and 300 K; the last 40 days were analysed. Simulations using the ICA represent the control; experiments used the PGLQ calling the RTMs fRT = 200, 5,000 and 50,000 fewer times than the control. For fRT = 50,000, several key variables spanning time/domain‐averaged cloud and radiation properties, a measure of cloud (convection) aggregation, and horizontal fluctuations of cloud and radiation fields, differ significantly from the control. In contrast, corresponding differences between the control and PGLQ with fRT ≤ 5,000, for both a given SST and differences between SSTs, are often minor, in all respects, and appear to be drawn from a single population. While these results partially validate the PGLQ method for fRT ≤ 5,000, they also indicate that overly large reductions in radiative information are detrimental.
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 | 0,003 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».