AI এবং বিশ্বের কঠিন সমস্যাগুলো · পৃথিবী ও জলবায়ু বিজ্ঞান · arXiv · 2026-10-21

নিউরাল-নেটওয়ার্ক গভীর সংবহন স্কিম বাস্তবায়নের মাধ্যমে Community Atmosphere Model-এ উন্নত বৃষ্টিপাত পরিবর্তনশীলতা

মূল শিরোনাম: Improved Precipitation Variability in the Community Atmosphere Model through Implementation of a Neural-Network Deep Convection Scheme

গ্লোবাল জলবায়ু মডেলে গভীর কনভেকশন স্কিম অনিশ্চয়তার একটি প্রধান উৎস হয়ে রয়েছে, আর ভৌত সামঞ্জস্য ও সাংখ্যিক স্থিতিশীলতা বজায় রেখে সেগুলোকে ডেটা-চালিত বিকল্প দিয়ে প্রতিস্থাপন করা একটি অমীমাংসিত চ্যালেঞ্জ। লেখকেরা একটি হাইব্রিড CAM6 কনফিগারেশন উপস্থাপন করেছেন, যেখানে ঝড়-রেজলভিং গ্লোবাল মডেল gSAM-এর কোর্স-গ্রেইনড আউটপুটে প্রশিক্ষিত ও সাবগ্রিড-স্কেল কনভেকটিভ ফ্লাক্স এবং টেন্ডেন্সি নির্ণয়কারী একটি ফুলি কানেক্টেড ডিপ নিউরাল নেটওয়ার্ক Zhang-McFarlane গভীর কনভেকশন স্কিমের স্থলাভিষিক্ত হয়, অথচ রেডিয়েশন, টার্বুলেন্স ও অন্যান্য মেঘ প্রক্রিয়া অপরিবর্তিত থাকে। নেটওয়ার্কটি শক্তি ও আর্দ্রতা সংরক্ষণ করে এক দশকেরও বেশি সময় স্থিতিশীলভাবে চলে, বাকি প্যারামিটারাইজেশনগুলো পুনরায় টিউন না করেই ব্যাপকভাবে বাস্তবসম্মত ক্লাইমেটোলজি উৎপন্ন করে, হালকা ও চরম বৃষ্টিপাতের বায়াস উল্লেখযোগ্যভাবে কমায় এবং ক্রান্তীয় স্থলভাগের বৃষ্টিপাতের দৈনিক চক্রকে ভ্রান্ত মধ্যাহ্ন-শীর্ষ থেকে পর্যবেক্ষিত বিকেলের শেষভাগের শীর্ষে সরিয়ে আনে।

মূল লেখা পড়ুন ↗

সব আইটেম →