ClimSim-Online: A Large Multi-Scale Dataset and Framework for Hybrid Physics-ML Climate Emulation

Yu, Sungduk und Hu, zeyuan und Subramaniam, Akshay 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 Georges und Harrop, Bryce E. und Heuer, Helge Gustav Helmut und Hillman, Benjamin R. und Jenney, Andrea und Liu, Nana und White, Alistair und Zheng, Tian und Kuang, Zhiming und Ahmed, Fiaz und Barnes, Elizabeth und Brenowitz, Noah D. und Bretherton, Christopher und Eyring, Veronika und Ferretti, Savannah L. und Lutsko, Nicholas und Gentine, Pierre und Mandt, Stephan und Neelin, J. David und Yu, Rose und Zanna, Laure und Urban, Nathan M. und Yuval, Janni und Abernathey, Ryan P. und Baldi, Pierre und Chuang, Wayne und Huang, Yu und Iglesias-Suarez, Fernando und Jantre, Sanket und Ma, Po-Lun und Shamekh, Sara und Zhang, Guang und Pritchard, Michael S. (2025) ClimSim-Online: A Large Multi-Scale Dataset and Framework for Hybrid Physics-ML Climate Emulation. Journal of Machine Learning Research, 26 (142), Seiten 1-85. Microtome Publishing. ISSN 1532-4435.

PDF - Verlagsversion (veröffentlichte Fassung)
11MB

Offizielle URL: http://jmlr.org/papers/v26/24-1014.html

Kurzfassung

Modern climate projections lack adequate spatial and temporal resolution due to computational constraints, leading to inaccuracies in representing critical processes like thunderstorms that occur on the sub-resolution scale. Hybrid methods combining physics with machine learning (ML) offer faster, higher fidelity climate simulations by outsourcing compute-hungry, high-resolution simulations to ML emulators. However, these hybrid physics-ML simulations require domain-specific data and workflows that have been inaccessible to many ML experts.

elib-URL des Eintrags:

https://elib.dlr.de/218516/

Dokumentart:

Zeitschriftenbeitrag

Titel:

ClimSim-Online: A Large Multi-Scale Dataset and Framework for Hybrid Physics-ML Climate Emulation

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Yu, Sungduk	University of California, Irvine, USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Hu, zeyuan	NVIDIA Corporation, Santa Clara, USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Subramaniam, Akshay	NVIDIA Corporation, Santa Clara, USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Hannah, Walter	Lawrence Livermore National Lab, Livermore, CA, USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Peng, Liran	University of California, Irvine, USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Lin, Jerry	University of California, Irvine, USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Bhouri, Mohamed Aziz	Columbia University, New York, USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Gupta, Ritwik	University of California, Berkeley, USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Lütjens, Björn	MIT, Cambridge, MA, USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Will, Justus Christopher	University of California, Irvine, USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Behrens, Gunnar	DLR, IPA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Busecke, Julius	Columbia University, New York, USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Loose, Nora	Princeton University, Princeton, NJ, USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Stern, Charles I.	Columbia University, New York, USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Beucler, Tom Georges	University of Lausanne, Lausanne, Switzerland	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Harrop, Bryce E.	Pacific Northwest National Laboratory, Richland, WA, USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Heuer, Helge Gustav Helmut	DLR, IPA	https://orcid.org/0000-0003-2411-7150	196591534
Hillman, Benjamin R.	Sandia National Laboratories, Albuquerque, USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Jenney, Andrea	Oregon State University, Corvallis, OR, USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Liu, Nana	University of Oklahoma, Norman, OK, USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
White, Alistair	PIK, Potsdam, Gemany	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Zheng, Tian	Columbia University, New York, USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Kuang, Zhiming	Harvard University, Cambridge, MA, USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Ahmed, Fiaz	UCLA Los Angeles, Los Angeles, CA, USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Barnes, Elizabeth	Colorado State University, La Jolla, CA. USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Brenowitz, Noah D.	NVIDIA Corporation, Santa Clara, USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Bretherton, Christopher	Allen AI, Seattle, WA, USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Eyring, Veronika	DLR, IPA	https://orcid.org/0000-0002-6887-4885	NICHT SPEZIFIZIERT
Ferretti, Savannah L.	University of California, Irvine, USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Lutsko, Nicholas	UC San Diego, La Jolla, CA, USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Gentine, Pierre	Department of Earth and Environmental Engineering, Columbia University, New York, USA	https://orcid.org/0000-0002-0845-8345	NICHT SPEZIFIZIERT
Mandt, Stephan	University of California, Irvine, USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Neelin, J. David	UC Los Angeles, Los Angeles, CA, USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Yu, Rose	UC San Diego, La Jolla, CA, USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Zanna, Laure	New York University, New York, NY, USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Urban, Nathan M.	Brookhaven National Laboratory, Upton, NY, USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Yuval, Janni	Google Research USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Abernathey, Ryan P.	Columbia University, New York, USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Baldi, Pierre	University of California, Irvine, USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Chuang, Wayne	Columbia University, New York, USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Huang, Yu	Columbia University, New York, USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Iglesias-Suarez, Fernando	Predictia, Santander, Spain	https://orcid.org/0000-0003-3403-8245	NICHT SPEZIFIZIERT
Jantre, Sanket	Brookhaven National Laboratory	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Ma, Po-Lun	Pacific Northwest National Laboratory, Richland, WA, Washington, USA	https://orcid.org/0000-0003-3109-5316	NICHT SPEZIFIZIERT
Shamekh, Sara	New York University, New York, NY, USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Zhang, Guang	UC San Diego, La Jolla, Ca, USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Pritchard, Michael S.	University of California, Irvine, Irvine, CA, USA	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT

Datum:

2025

Erschienen in:

Journal of Machine Learning Research

Referierte Publikation:

Open Access:

Gold Open Access:

Nein

In SCOPUS:

In ISI Web of Science:

Band:

Seitenbereich:

Seiten 1-85

Verlag:

Microtome Publishing

ISSN:

1532-4435

Status:

veröffentlicht

Stichwörter:

ClimSim, Machine Learning, Parameterization, Dataset

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:

Heuer, Helge Gustav Helmut

Hinterlegt am:

11 Nov 2025 09:47

Letzte Änderung:

12 Nov 2025 12:29

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags