AI और दुनिया की कठिन समस्याएँ · पृथ्वी और जलवायु विज्ञान · arXiv · 2026-10-21

न्यूरल-नेटवर्क डीप कंवेक्शन स्कीम के क्रियान्वयन के माध्यम से Community Atmosphere Model में बेहतर वर्षण परिवर्तनशीलता

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

गहरी संवहन योजनाएं वैश्विक जलवायु मॉडलों में अनिश्चितता का एक प्रमुख स्रोत बनी हुई हैं, और भौतिक सुसंगति तथा संख्यात्मक स्थिरता बनाए रखते हुए उन्हें डेटा-संचालित विकल्पों से बदलना एक अनसुलझी चुनौती है। लेखक एक हाइब्रिड CAM6 कॉन्फ़िगरेशन प्रस्तुत करते हैं, जिसमें स्टॉर्म-रिज़ॉल्विंग ग्लोबल मॉडल gSAM के कोर्स-ग्रेन्ड आउटपुट पर प्रशिक्षित एक फुली कनेक्टेड डीप न्यूरल नेटवर्क, सबग्रिड-स्केल संवहनीय फ़्लक्स और टेंडेंसीज़ प्राप्त करने के लिए Zhang-McFarlane गहरी संवहन योजना की जगह ले लेता है, जबकि विकिरण, टर्बुलेंस और अन्य बादल प्रक्रियाएं अपरिवर्तित रहती हैं। यह नेटवर्क ऊर्जा और नमी का संरक्षण करते हुए एक दशक से अधिक समय तक स्थिर रूप से चलता है, शेष पैरामीटराइज़ेशन को दोबारा ट्यून किए बिना व्यापक रूप से यथार्थवादी क्लाइमेटोलॉजी उत्पन्न करता है, हल्की और चरम वर्षा के बायस को उल्लेखनीय रूप से कम करता है, और उष्णकटिबंधीय स्थल वर्षा के डायर्नल चक्र को एक झूठे मध्याह्न शिखर से हटाकर देखे गए देर अपराह्न के शिखर पर ले जाता है।

मूल लेख पढ़ें ↗

सभी आइटम →