机器学习气候模拟数据集论文在著名的人工智能会议上获奖

来自多个机构的跨学科研究人员 – 包括加州大学欧文分校物理科学学院和唐纳德布伦信息与计算机科学学院的气候和数据科学家 – 在最近于新奥尔良举行的第37届神经信息处理系统会议上获得了最佳论文奖。该出版物题为“ClimSim：用于混合物理-ML气候仿真的大型多尺度数据集”，在数据集类别中获得了最高奖项。ClimSim是本文中介绍的气候建模工具，是有史以来最大的数据纲要，专为机器学习增强的物理研究而设计。“将物理学与机器学习相结合的混合方法为研究界引入了新一代高保真气候模拟器，”合著者、UCI地球系统科学教授Michael Pritchard说。“然而，这种混合机器学习方法需要针对特定领域的处理，由于缺乏训练数据和相关的、易于使用的工作流程，用户无法访问这些处理。ClimSim是缓解这一问题的一步。

该数据集由 57 亿对输入和输出向量组成，这些向量隔离了局部物理特征对宿主气候模拟器大规模物理状态的影响。ClimSim 数据集以高采样频率跨越全球和多年。主要作者、UCI地球系统科学系助理项目科学家Sungduk Yu在会议上向观众介绍了该团队的项目。“ClimSim 是来自 20 个不同机构的 56 位科学家合作的结果。这是一个很好的例子，说明当气候科学和人工智能/机器学习社区走到一起时可以取得进展，“他说。合著者、UCI计算机科学副教授Stephan Mandt说：“这个享有盛誉的奖项是在数千篇论文中颁发的，表明机器学习社区越来越关心气候科学中的应用。我祝贺 Sungduk 和团队做出这一重要努力，使他们的数据可供全球成千上万的 AI 研究人员访问。Pritchard说，ClimSim数据集已经开源发布，以造福科学和社会。