वायुमंडलीय रासायनिक समुच्चय के लिए एक एम्यूलेटर

माइकल सिटवेल द्वारा लिखित EnsAI: एन एम्यूलेटर फॉर एटमॉस्फेरिक केमिकल एन्सेम्बल्स नामक पेपर का पीडीएफ देखें।

पीडीएफ देखें
HTML (प्रयोगात्मक)

अमूर्त:डेटा आत्मसात और उत्सर्जन व्युत्क्रम के लिए संयोजन-आधारित विधियाँ मॉडल त्रुटि सहप्रसरण के भीतर प्रवाह-निर्भरता को एन्कोड करने का एक लोकप्रिय तरीका है। जबकि अधिकांश संयोजन विधियों को एक सहायक मॉडल के उपयोग की आवश्यकता नहीं होती है, संयोजन उत्पन्न करने के लिए एक भूभौतिकीय मॉडल को बार-बार चलाने की आवश्यकता एक महत्वपूर्ण कम्प्यूटेशनल बोझ हो सकती है। इस पेपर में, हम वायुमंडलीय रासायनिक घटकों के लिए एक नई एआई-आधारित संयोजन पीढ़ी प्रणाली EnsAI का परिचय देते हैं। जब GEM-MACH वायु गुणवत्ता मॉडल द्वारा उत्पन्न अमोनिया के लिए मौजूदा संयोजन पर प्रशिक्षित किया गया, तो यह दिखाया गया कि EnsAI द्वारा निर्मित समूह मूल समूह की मौसम विज्ञान-निर्भर विशेषताओं को सटीक रूप से पुन: पेश कर सकते हैं, जबकि मूल GEM-MACH समूह की तुलना में 3,300 गुना तेजी से संयोजन उत्पन्न करते हैं। जबकि EnsAI को प्रशिक्षण के लिए उपयोग किए जाने वाले एक समूह को तैयार करने के साथ-साथ प्रशिक्षण के लिए अग्रिम लागत की आवश्यकता होती है, दीर्घकालिक कम्प्यूटेशनल बचत इन प्रारंभिक कम्प्यूटेशनल लागतों से काफी अधिक हो सकती है। जब उत्सर्जन व्युत्क्रम प्रणाली में उपयोग किया जाता है, तो EnsAI ने उन समान व्युत्क्रम परिणाम उत्पन्न किए जिनमें काफी कम कम्प्यूटेशनल संसाधनों का उपयोग करते हुए मूल GEM-MACH पहनावा का उपयोग किया गया था।