[論文レビュー] ClimSim-Online: A Large Multi-scale Dataset and Framework for Hybrid ML-physics Climate Emulation

Zeyuan Hu|elib (German Aerospace Center)|Jun 14, 2023

Meteorological Phenomena and Simulations被引用数 19

ひとこと要約

ClimSim は、ハイブリッド ML-物理気候シミュレーター内のサブグリッド物理の ML エミュレータを訓練するための最大のマルチスケール気候データセットを提供し、広範な入力/出力と学習性能を示すベースラインモデルを備えています。

ABSTRACT

Modern climate projections lack adequate spatial and temporal resolution due to computational constraints, leading to inaccuracies in representing critical processes like thunderstorms that occur on the sub-resolution scale. Hybrid methods combining physics with machine learning (ML) offer faster, higher fidelity climate simulations by outsourcing compute-hungry, high-resolution simulations to ML emulators. However, these hybrid ML-physics simulations require domain-specific data and workflows that have been inaccessible to many ML experts. As an extension of the ClimSim dataset (Yu et al., 2024), we present ClimSim-Online, which also includes an end-to-end workflow for developing hybrid ML-physics simulators. The ClimSim dataset includes 5.7 billion pairs of multivariate input/output vectors, capturing the influence of high-resolution, high-fidelity physics on a host climate simulator's macro-scale state. The dataset is global and spans ten years at a high sampling frequency. We provide a cross-platform, containerized pipeline to integrate ML models into operational climate simulators for hybrid testing. We also implement various ML baselines, alongside a hybrid baseline simulator, to highlight the ML challenges of building stable, skillful emulators. The data (https://huggingface.co/datasets/LEAP/ClimSim_high-res) and code (https://leap-stc.github.io/ClimSim and https://github.com/leap-stc/climsim-online) are publicly released to support the development of hybrid ML-physics and high-fidelity climate simulations.

研究の動機と目的

• 全球スケールのシミュレーター内でサブグリッド気候プロセスの高忠実度でデータ駆動型エミュレータの必要性を動機づける。
• 高解像度の物理と粗粒度の気候状態を結ぶ大規模で公開可能なマルチスケールデータセットを提供する。
• 対流、雲、放射のエミュレーションをベンチマークする基準となる ML モデルを確立する。
• 拡張された入力/出力と物理情報を組み込んだ制約がエミュレータの性能に与える影響を探る。

提案手法

• マルチスケール気候シミュレータ (E3SM-MMF) を用いて、全地球的カバレッジにおける高解像度対流物理とそれがマクロスケール状態変数へ与える影響について 5.7 十億のサンプルを生成する。
• 124 入力特徴と 128 出力ターゲットを持つ 1D 垂直カラムサンプルを用意し、傾向とフラックスを表現する。
• 低解像度と高解像度のデータセット（617x368 の拡張入力/出力）をアブレーションとして提供し、急速なプロトタイピングのためのアクアプラネット変種を用意する。
• 回帰タスクに対して複数のベースライン ML アーキテクチャをベンチマークする（CNN with ResNet blocks、Encoder-Decoder、MLP、Heteroskedastic Regression、Randomized Prior Network、cVAE）、MAEとR^2指標で評価。
• 物理に基づく制約（質量/エネルギー保存）と確率性/メモリ性を強調し、一般化と結合性能を向上させる。
• データセットと付随コードを公開して、機械学習を加速した再現可能な気候エミュレーションを実現する。

実験結果

リサーチクエスチョン

• RQ1 多スケール気候モデルからのマクロスケール入力を与えた場合、ML エミュレータはサブグリッド規模の対流、微物理、放射傾向を正確に再現できるか。
• RQ2 入力および出力の特徴セットを拡張すると、異なる大気層および変数でエミュレータの精度はどのように影響を受けるか。
• RQ3 決定論的および確率的な気候サブグリッド過程のエミュレーションに最適な基盤 ML アーキテクチャはどれで、物理的制約は結果にどう影響するか。
• RQ4 低解像度と高解像度データセットを用いた場合の一般化可能なエミュレータと下流の結合に与える影響は何か。
• RQ5 ClimSim データセットは、気候エミュレーションにおける確率性、メモリ効果、因果関係の今後の研究にどう役立つか。

主な発見

• 最も良好な基準は変数ごとに異なるが、例として dT/dt は R^2 が約 0.59 前後の MLP、上層大気では CNN の方が高いことがある。
• NETSW は R^2 が最大 ~0.98、MAE はアーキテクチャに応じて約 14–19 W/m^2 の強い性能を示す。
• SOLS/SOLL/SO LSD の変数は一般に高い R^2（≈0.92–0.96）と、アーキテクチャに応じて 7–14 W/m^2 の MAE を示す。
• 高解像度のエミュレータはデータ分散の増加により MAE が大きくなる傾向があるが、多くの変数で低解像度モデルと同程度の R^2 を維持する。
• 入力/ターゲットを拡張（617/368）すると、特に降水量についてターゲット変数の再現性が向上する。
• 保存性を意識した制約と確率的アーキテクチャ（RPN、HSR、cVAE）は、一般化と物理的に妥当な出力の向上をサポートする。