elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

ClimSim: A large multi-scale dataset for hybrid physics-ML climate emulation

Yu, Sungduk und Hannah, Walter und Peng, Liran und Lin, Jerry und Bhouri, Mohamed Aziz und Gupta, Ritwik und Lütjens, Björn und Will, Justus Christopher und Behrens, Gunnar und Busecke, Julius und Loose, Nora und Stern, Charles I. und Beucler, Tom und Harrop, Bryce E. und Hillman, Benjamin R. und Jenney, Andrea M. und Ferretti, Savannah L. und Liu, Nana und Anandkumar, Anima und Brenowitz, Noah D. und Eyring, Veronika und Geneva, Nicholas und Gentine, Pierre und Mandt, Stephan und Pathak, Jaideep und Subramaniam, Akshay und Vondrick, Carl und Yu, Rose und Zanna, Laure und Zheng, Tian und Abernathey, Ryan P. und Ahmed, Fiaz und Bader, David C. und Baldi, Pierre und Barnes, Elizabeth und Bretherton, Christopher und Caldwell, Peter und Chuang, Wayne und Han, Yilun und Huang, Yu und Iglesias-Suarez, Fernando und Jantre, Sanket und Kashinath, Karthik und Khairoutdinov, Marat und Kurth, Thorsten und Lutsko, Nicholas und Ma, Po-Lun und Mooers, Griffin und Neelin, J. D. und Randall, David und Shamekh, Sara und Taylor, Mark A. und Urban, Nathan M. und Yuval, Janni und Zhang, Guang und Pritchard, Michael (2023) ClimSim: A large multi-scale dataset for hybrid physics-ML climate emulation. In: 37th Conference on Neural Information Processing Systems, NeurIPS 2023. 37th Conference on Neural Information Processing Systems, 2023-12-10 - 2023-12-16, 900 Convention Center Boulevard, New Orleans, Louisiana, 70130, United States. doi: 10.48550/arXiv.2306.08754.

[img] PDF
14MB

Offizielle URL: https://nips.cc/virtual/2023/poster/73569

Kurzfassung

Modern climate projections lack adequate spatial and temporal resolution due to computational constraints. A consequence is inaccurate and imprecise predictions of critical processes such as storms. Hybrid methods that combine physics with machine learning (ML) have introduced a new generation of higher fidelity climate simulators that can sidestep Moore's Law by outsourcing compute-hungry, short, high-resolution simulations to ML emulators. However, this hybrid ML-physics simulation approach requires domain-specific treatment and has been inaccessible to ML experts because of lack of training data and relevant, easy-to-use workflows. We present ClimSim, the largest-ever dataset designed for hybrid ML-physics research. It comprises multi-scale climate simulations, developed by a consortium of climate scientists and ML researchers. It consists of 5.7 billion pairs of multivariate input and output vectors that isolate the influence of locally-nested, high-resolution, high-fidelity physics on a host climate simulator's macro-scale physical state.The dataset is global in coverage, spans multiple years at high sampling frequency, and is designed such that resulting emulators are compatible with downstream coupling into operational climate simulators. We implement a range of deterministic and stochastic regression baselines to highlight the ML challenges and their scoring. The data (https://huggingface.co/datasets/LEAP/ClimSim_high-res) and code (https://leap-stc.github.io/ClimSim) are released openly to support the development of hybrid ML-physics and high-fidelity climate simulations for the benefit of science and society.

elib-URL des Eintrags:https://elib.dlr.de/199426/
Dokumentart:Konferenzbeitrag (Poster)
Titel:ClimSim: A large multi-scale dataset for hybrid physics-ML climate emulation
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Yu, SungdukUniversity of California, Irvine, USANICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Hannah, WalterLawrence Livermore National LabNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Peng, LiranUniversity of California, Irvine, USANICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Lin, JerryUniversity of California, Irvine, USANICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Bhouri, Mohamed AzizColumbia University, New York, USANICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Gupta, RitwikUniversity of California, BerkeleyNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Lütjens, BjörnMassachusetts Institute of TechnologyNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Will, Justus ChristopherUniversity of California, Irvine, USANICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Behrens, GunnarDLR, IPAhttps://orcid.org/0000-0002-5921-5327NICHT SPEZIFIZIERT
Busecke, JuliusColumbia University, New York, USANICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Loose, NoraPrinceton UniversityNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Stern, Charles I.Columbia University, New York, USANICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Beucler, TomUniversity of Lausanne, Lausanne, Switzerlandhttps://orcid.org/0000-0002-5731-1040NICHT SPEZIFIZIERT
Harrop, Bryce E.Pacific Northwest National Laboratory, Richland, WA, USANICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Hillman, Benjamin R.Sandia National Laboratories, Albuquerque, USANICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Jenney, Andrea M.University of California, Irvine, USANICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Ferretti, Savannah L.University of California, Irvine, USANICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Liu, NanaUniversity of California, Irvine, USANICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Anandkumar, AnimaNVIDIA Corporation, Santa Clara, USANICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Brenowitz, Noah D.NVIDIA Corporation, Santa Clara, USANICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Eyring, VeronikaDLR, IPAhttps://orcid.org/0000-0002-6887-4885NICHT SPEZIFIZIERT
Geneva, NicholasNVIDIA Corporation, Santa Clara, USANICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Gentine, PierreColumbia University, New York, USAhttps://orcid.org/0000-0002-0845-8345NICHT SPEZIFIZIERT
Mandt, StephanUniversity of California, Irvine, USANICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Pathak, JaideepNVIDIA Corporation, Santa Clara, USANICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Subramaniam, AkshayNVIDIA Corporation, Santa Clara, USANICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Vondrick, CarlColumbia University, New York, USANICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Yu, RoseUC San DiegoNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Zanna, LaureNew York UniversityNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Zheng, TianColumbia University, New York, USANICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Abernathey, Ryan P.Columbia University, New York, USANICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Ahmed, FiazUC Los AngelesNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Bader, David C.Lawrence Livermore National LabNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Baldi, PierreUniversity of California, Irvine, USANICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Barnes, ElizabethColorado State UniversityNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Bretherton, ChristopherAllen AINICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Caldwell, PeterLawrence Livermore National Laboratory, California USANICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Chuang, WayneColumbia University, New York, USANICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Han, YilunTsinghua University, Beijing, ChinaNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Huang, YuColumbia University, New York, USANICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Iglesias-Suarez, FernandoDLR, IPAhttps://orcid.org/0000-0003-3403-8245NICHT SPEZIFIZIERT
Jantre, SanketBrookhaven National LaboratoryNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Kashinath, KarthikNVIDIA Corporation, Santa Clara, USANICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Khairoutdinov, MaratStony Brook UniversityNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Kurth, ThorstenNVIDIA Corporation, Santa Clara, USANICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Lutsko, NicholasUC San DiegoNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Ma, Po-LunPacific Northwest National Laboratory, Richland, WA, Washington, USAhttps://orcid.org/0000-0003-3109-5316NICHT SPEZIFIZIERT
Mooers, GriffinUniversity of California, Irvine, USANICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Neelin, J. D.UC Los AngelesNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Randall, DavidColorado State UniversityNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Shamekh, SaraColumbia University, New York, USANICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Taylor, Mark A.Sandia National Laboratories, Albuquerque, USANICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Urban, Nathan M.Brookhaven National LaboratoryNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Yuval, JanniMassachusetts Institute of TechnologyNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Zhang, GuangUC San DiegoNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Pritchard, MichaelUniversity of California Irvine, Irvine, CA, USAhttps://orcid.org/0000-0002-0340-6327NICHT SPEZIFIZIERT
Datum:2023
Erschienen in:37th Conference on Neural Information Processing Systems, NeurIPS 2023
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Nein
In ISI Web of Science:Nein
DOI:10.48550/arXiv.2306.08754
Status:veröffentlicht
Stichwörter:machine learning; benchmark; dataset
Veranstaltungstitel:37th Conference on Neural Information Processing Systems
Veranstaltungsort:900 Convention Center Boulevard, New Orleans, Louisiana, 70130, United States
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:10 Dezember 2023
Veranstaltungsende:16 Dezember 2023
Veranstalter :Neural Information Processing Systems
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Erdbeobachtung
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R EO - Erdbeobachtung
DLR - Teilgebiet (Projekt, Vorhaben):R - Atmosphären- und Klimaforschung
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Physik der Atmosphäre > Erdsystemmodell -Evaluation und -Analyse
Hinterlegt von: Iglesias-Suarez, Dr. Fernando
Hinterlegt am:21 Nov 2023 11:09
Letzte Änderung:29 Aug 2024 09:52

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.