Emulación basada en datos de la microfísica de aerosoles modal mediante modelado basado en operadores neuronales

Área de la Ciencia:

• Ciencia del Sistema Terrestre
• Ciencia Atmosférica
• Ciencia Computacional

Sus antecedentes:

• Los procesos de microfísica de aerosoles son complejos y operan a escalas pequeñas, lo que plantea desafíos para simulaciones precisas del sistema terrestre.
• Los modelos existentes luchan con las demandas computacionales de la simulación de estos procesos a escalas regionales y globales.

Objetivo del estudio:

• Desarrollar y evaluar un modelo sustituto, la red de operadores profundos de aerosoles (ADON), para emular la parametrización de la microfísica de aerosoles.
• Mejorar la precisión y eficiencia de los modelos del sistema terrestre como el Energy Earth System Model versión 2 (E3SMv2).

Principales métodos:

• Se construyó una arquitectura de doble red inspirada en la física para el modelo sustituto ADON.
• Se entrenó el modelo con un gran conjunto de datos (9,8 millones de muestras) de simulaciones E3SMv2 en condiciones sin nubes.
• Se incorporaron características espaciales, temporales y de componentes principales en la arquitectura de doble red.

Principales resultados:

• El modelo ADON logró una alta precisión, con puntuaciones R-cuadrado superiores a [Fórmula: ver texto] para modos de aerosoles lognormales.
• El modelo capturó eficazmente las representaciones de aerosoles y sus relaciones con las variables atmosféricas.
• El análisis reveló la importancia de las características, destacando las variables de entrada clave que impactan la capacidad predictiva.

Conclusiones:

• El modelo ADON validado demuestra una eficiencia significativa para la inferencia en línea en CPU y GPU.
• ADON muestra un fuerte potencial para la modelización predictiva robusta en cálculos del sistema terrestre a gran escala.
• Este modelo sustituto ofrece un camino hacia simulaciones climáticas más precisas y eficientes.