ترجمه فارسی مقاله شبکه های عصبی حلقوی نمودار به عنوان مدل های جانشین برای شبیه سازی آب و هوا

چکیده

Many climate processes are characterized using large systems of nonlinear differential equations; this, along with the immense amount of data required to parameterize complex interactions, means that Earth-System Model (ESM) simulations may take weeks to run on large clusters. Uncertainty quantification may require thousands of runs, making ESM simulations impractical for preliminary assessment. Alternatives may include simplifying the processes in the model, but recent efforts have focused on using machine learning to complement these models or even act as full surrogates. \textit{We leverage machine learning, specifically fully-connected neural networks (FCNNs) and graph convolutional neural networks (GCNNs), to enable rapid simulation and uncertainty quantification in order to inform more extensive ESM simulations.} Our surrogate simulated 80 years in approximately 310 seconds on a single A100 GPU, compared to weeks for the ESM model while having mean temperature errors below $0.1^{\circ}C$ and maximum errors below $2^{\circ}C$.

چکیده به فارسی (ترجمه ماشینی)

بسیاری از فرآیندهای آب و هوا با استفاده از سیستم های بزرگ معادلات دیفرانسیل غیرخطی مشخص می شوند.این ، به همراه مقدار زیادی از داده های مورد نیاز برای پارامتر کردن تعامل پیچیده ، به این معنی است که شبیه سازی مدل سیستم زمین (ESM) ممکن است هفته ها طول بکشد تا روی خوشه های بزرگ اجرا شود.کمیت عدم اطمینان ممکن است به هزاران دوره نیاز داشته باشد ، و شبیه سازی ESM را برای ارزیابی مقدماتی غیر عملی می کند.گزینه های دیگر ممکن است شامل ساده سازی فرآیندهای موجود در مدل باشد ، اما تلاش های اخیر بر استفاده از یادگیری ماشین برای تکمیل این مدل ها متمرکز شده یا حتی به عنوان جانشین کامل عمل کرده است.\ textit {ما از یادگیری ماشین ، به طور خاص شبکه های عصبی کاملاً متصل (FCNN) و شبکه های عصبی حلقوی (GCNN) استفاده می کنیم تا بتوانیم شبیه سازی سریع و کمیت عدم اطمینان را برای اطلاع رسانی شبیه سازی گسترده ESM فراهم کنیم.310 ثانیه در یک پردازنده گرافیکی A100 ، در مقایسه با هفته ها برای مدل ESM در حالی که میانگین خطاهای دما زیر 0.1 $^{\ circ} c $ و حداکثر خطاهای زیر 2 $^{\ circ} c $ است.