arXiv cs.AI· Sameera S Kashyap, Victor Cruz, Angel Yepez, Razvan Marinescu·· 4 小时前AI 评分26
AEGIS:带神经闭合接口的可微分火星气候模型
AEGIS: Differentiable Mars Climate Model with Neural Closures
AI 导读
AEGIS 是一个模块化可微分火星气候模型,将火星大气物理与 Dinosaur 动力核心耦合,并提供神经闭合接口。它完成稳定的十个火星年模拟,复现季节性 CO₂ 循环且保持 CO₂ 总量守恒,地表温度结构合理,地表气压随 MOLA 地形变化。耦合轨迹上的梯度与有限差分结果一致,可支持物理校准与神经网络训练。
正文 · AI 翻译
摘要:大气环流模型(GCM)是模拟行星大气的主要工具。它们在理解火星大气方面发挥着至关重要的作用,因为预报其独特的天气对于进入、下降和着陆等任务操作至关重要。火星给这些模型带来了不同寻常的挑战,因为与地球相比观测数据稀少。此外,稀薄的 $CO_2$ 大气以及具有辐射活性的尘埃循环造就了一个多变的大气环境,具有较大的昼夜温差,且没有真正的地球类似物可供验证。现有的火星 GCM,包括 LMD PCM、NASA Ames Mars GCM 和 PlanetWRF,已经成熟且物理细节丰富,但它们是使用传统 Fortran 以有限差分或有限体积求解器实现的,并且不提供用于校准或机器学习的梯度。在此我们提出 AEGIS,一个模块化的可微火星气候模型,它将火星独特的大气物理与 Dinosaur 动力核心耦合,并提供神经闭合的接口。我们展示了稳定的十个火星年模拟,这些模拟在守恒总 $CO_2$ 储量的同时再现了季节性 $CO_2$ 循环,捕捉到了真实的大尺度地表温度结构,并产生了遵循火星轨道激光测高仪(MOLA)地形的地表气压。通过耦合轨迹的梯度与有限差分一致,并支持物理校准和神经网络训练。我们与传统 GCM 进行了比较,突出了该框架的计算效率和可微性。
| 主题: | 地球与行星天体物理学(astro-ph.EP);天体物理学仪器与方法(astro-ph.IM);人工智能(cs.AI) |
| 引用为: | arXiv:2610.04081 [astro-ph.EP] |
| (或 arXiv:2610.04081v2 [astro-ph.EP] 用于此版本) | |
| https://doi.org/10.48550/arXiv.2610.04081 由 DataCite 颁发的 arXiv DOI |
提交历史
来自:Sameera Sudarshan Kashyap [查看电子邮件]
[v1]
2026年10月2日星期五 21:45:37 UTC(1,463 KB)
[v2]
2026年11月17日星期二 07:15:56 UTC(1,899 KB)
来源:arXiv cs.AI · arxiv.org