AI気象モデルの転移学習による火星大気予測

地球向け気象予測モデル GraphCast を火星気候データでファインチューニングし、火星の温度および風速場の日変動や鉛直構造を予測できることを実証した研究である。

• 地球用AI気象予測モデル「GraphCast」の火星大気環境への転移可能性を評価した。
• 事前学習のみのゼロショット予測では、日変動の再現や長期予測の維持に課題が見られた。
• 火星の気候データを用いたファインチューニングにより、少ない学習回数で日周期や鉛直温度構造を再現可能となった。
• 地球の気象モデルの適応が、宇宙探査ミッションや砂嵐リスク評価に役立つ迅速な惑星気象予測の手法となる可能性を示した。

原文タイトル: MarsCast: Transfer Learning of AI Weather Foundation Models to Planetary Atmospheres

arXiv で原文を見る

この要約は AI が生成したものであり、arXiv および論文著者の見解ではありません。