100년 간의 글로벌 해양 탈산소화 과정을 공개한 Shanghai Jiao Tong University는 인공 지능을 사용하여 '질식하는 바다'를 재구성했으며 ICML에는 다음이 포함되었습니다.

저자 | 한루유 루빈

해양용존산소는 해양 생태계의 기능을 유지하는 핵심 요소입니다. 지구 온난화와 인간 활동의 영향으로 해양은 최근 몇 년간 탈산소화 경향을 보여 왔습니다. 점점 더 질식하는 해양은 어업 개발, 기후 조절 및 기타 측면에 심각한 결과를 초래합니다.

최근에는 상하이 자오퉁대학교 전자정보전기공학부 왕신빙(Wang Xinbing), 간샤오잉(Gan Xiaoying) 교수팀이 상하이 해양학부 장징(Zhang Jing) 교수, 저우 레이(Zhou Lei) 교수, 저우 유타오(Zhou Yutao) 부교수와 함께 Jiao Tong University는 희박한 해양 관측 데이터 OxyGenerator를 기반으로 하는 딥 러닝 모델을 공동으로 제안했습니다. 처음으로 1920년부터 2023년까지의 100년 된 전 세계 해양 용존 산소 데이터가 재구성되었으며, 재구성 성능은 전문가 경험이 지배하는 CMIP6 시리즈 수치 모델의 결과를 크게 초과했습니다.

연구 결과 "OxyGenerator: Reconstructing Global Ocean Deoxygenation Over a Century with Deep Learning"이 중국 컴퓨터 연맹의 Class A 컨퍼런스 ICML(International Conference on Machine Learning)에서 승인되어 복잡한 분석에 대한 정보를 제공합니다. 산소 순환과 기후 조절에 대한 강력한 데이터 지원을 갖추고 있으며 인공 지능과 해양학을 통합하려는 적극적인 시도입니다.

지난 100년 동안 기후 변화로 인한 해양 산소 함량 감소 문제는 광범위한 관심을 불러일으켰습니다. OMZ의 장기적인 변화를 이해하기 위한 도구 중 OMZ30(산소최소지대)의 급격한 확장이 핵심 지표로 간주됩니다. 2023년까지 1920년의 해양 면적은 3배로 늘어났습니다. 이 발견은 OMZ의 장기적인 변화를 이해하는 데 중요하며 향후 더 나은 해양 모니터링 및 보호에 도움이 될 것입니다.

논문 링크: http://arxiv.org/abs/2405.07233

해양 탈산소를 포괄적이고 깊이 이해하고 효과적인 데이터로부터 산소 순환과 그 변화 법칙을 탐색하기 위해 2017년 Schmidtko 및 기타 연구진은 "Nature"에 논문을 게재하고 "지난 50년 동안 전 세계 해양 산소 함량의 감소"라는 기사를 게재했는데, 이 논문은 최초로 공간 보간법을 사용하여 전 세계 해양 용존 산소량을 재구성하고 정량 분석했습니다. 1960년 이후의 데이터입니다.

산업 혁명 이후 장기적인 인간 활동의 구체적인 영향을 평가하는 것은 지난 50년간의 해산 기후 기록을 재구성하는 것만으로는 충분하지 않습니다. 매우 희박한 역사적 관찰과 정확도가 제한된 공간 보간 방법은 문제를 해결하는 데 중요한 병목 현상이 되었습니다.

World Ocean Database 2018, CLIVAR and Carbon Hydrographic Database, Argo, Global Ocean Data Analysis Project version2.2022, Geotraces IDP 등 5대 공공용존산소 데이터베이스 관측 데이터량, 해양 관측 누락률 데이터가 90%를 넘습니다

이를 위해 상하이교통대학 연구팀은 1900년부터 과학연구선 측량 데이터, 아르고 부표 관측 데이터, 실제 해양 용존산소 관련 데이터 총 60억 건을 수집했습니다. - 심해잠수부표(저장데이터량 약 2TB)에 대한 시간관측 및 통일된 품질관리를 실시하였습니다.

해수역의 불규칙한 가장자리와 매우 희박한 관측 데이터의 불균일한 특성을 고려하여 공간 상관성과 높은 관측 데이터를 충분히 고려한 그래프 모델링 아이디어를 통해 4차원 시공간 그래프 네트워크를 구축했습니다. 관측자료를 지리학적으로 가치있게 인식하고, 관측자료와 결측자료 사이의 시공간을 넘어 정보를 전달한다.

해양 용존 산소의 농도 변화가 해양 물리 및 생화학적 변수 모두에 의해 영향을 받는다는 점을 고려하여 다층 퍼셉트론을 먼저 사용하여 다요소 데이터의 비선형 특성을 추출하고 양방향 장단점을 사용합니다. -term 메모리 네트워크는 용존 산소 관찰을 추출하는 데 사용됩니다. 시간 변화 특징 마이닝.

두 번째로, 전 세계 해양은 해양학적 구역화 아이디어에서 영감을 받아 서로 다른 역사적 시기와 지역에서 이질적인 시공간 상관관계를 나타내기 때문에 적응형 변수 구역화를 갖춘 그래프 메시지 전달 메커니즘(Zoning-Varying Message-Passing)이 제안됩니다. 네트워크 매개변수 생성 알고리즘은 다양한 파티션의 그래프 메시지에 대해 아핀 변환을 수행하여 가변 파티션을 통한 그래프 정보 전송을 실현합니다.

마지막으로 해양학 분야 지식의 융합은 신경망의 불확실성을 보정하는 데 도움이 됩니다. 본 연구에서는 해양의 질소, 인, 산소의 이상적인 균형 비율(Redfield Ratio)을 취하고, 재구성 결과에서 신호 이상 현상을 최대한 제거하기 위해 화학적 지식을 접목한 그래디언트 정규화 방법을 설계합니다.

OxyGenerator Ocean Deoxygenation Reconstruction Framework

관측 변수를 이용한 다중 교차 검증과 전문가가 주도한 CMIP6 수치 모델 3개 세트의 결과를 비교한 결과, 본 연구에서 제안한 OxyGenerator는 다음과 같은 분야에서 좋은 결과를 얻었습니다. 4가지 재구성 성능 평가 지표 최고 성능인 MAPE는 38.77% 감소해 외해에서의 재구성 오류를 크게 줄인다.

OxyGenerator와 CMIP6의 실험 성능 비교

관측 데이터가 충분한 서태평양과 특수한 환경 조건의 영향을 받는 흑해 등의 지역에서 OxyGenerator의 성능은 특히 뛰어나며 모델 성능은 수백 년 동안 안정적으로 유지되었습니다. 년. 동시에, 그 결과는 역사적 기간에 엘니뇨/라니냐와 같은 특별한 기후 현상으로 인해 발생한 용존 산소 분포의 교란을 잘 재구성하고 열염분 순환과 같은 대규모 물 이동 특성을 정확하게 반영합니다.

이 연구는 인공지능과 해양과학의 깊은 교차와 긴밀한 협력의 결과이며, 지구 기후 문제를 해결하기 위한 새로운 아이디어를 열었습니다. 앞으로도 팀은 심층적인 데이터 기반 지구과학 발견 연구를 지속적으로 추진하고, 과학 지능을 뒷받침하는 첨단 기술(AI for Science) 분야의 연구를 적극적으로 개발할 것입니다.

위 내용은 100년 간의 글로벌 해양 탈산소화 과정을 공개한 Shanghai Jiao Tong University는 인공 지능을 사용하여 '질식하는 바다'를 재구성했으며 ICML에는 다음이 포함되었습니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!