AI dan Masalah-Masalah Sulit Dunia · Ilmu bumi & iklim · arXiv · 2026-10-21
Peningkatan Variabilitas Presipitasi dalam Community Atmosphere Model melalui Implementasi Skema Konveksi Dalam Berbasis Jaringan Saraf
Judul asli: Improved Precipitation Variability in the Community Atmosphere Model through Implementation of a Neural-Network Deep Convection Scheme
Skema konveksi dalam tetap menjadi sumber utama ketidakpastian dalam model iklim global, dan menggantikannya dengan alternatif berbasis data sambil mempertahankan konsistensi fisik dan stabilitas numerik merupakan tantangan yang masih terbuka. Para penulis memaparkan konfigurasi CAM6 hibrida di mana jaringan saraf dalam yang sepenuhnya terhubung, yang dilatih pada keluaran coarse-grained dari model global storm-resolving gSAM untuk menurunkan fluks dan trensi konvektif skala subgrid, menggantikan skema konveksi dalam Zhang-McFarlane sementara radiasi, turbulensi, dan proses awan lainnya tetap tidak berubah. Jaringan tersebut berjalan stabil selama lebih dari satu dekade sambil mengonservasi energi dan kelembapan, menghasilkan klimatologi yang secara umum realistis tanpa menyetel ulang parameterisasi yang tersisa, secara nyata mengurangi bias presipitasi ringan dan presipitasi ekstrem, serta menggeser siklus diurnal presipitasi di daratan tropis dari puncak tengah hari yang semu ke puncak akhir sore yang teramati.