住宅価格予測・鉱物探査・自然災害予測…AIが地球科学のイノベーションを推進、浙江大学・清華大学・Google Researchなどが重要な成果を発表
地球科学は、非常に学際的な分野として、AI によって大きな変革が起こっています。 2024年を振り返ると、研究者たちはスマートシティ建設、住宅価格予測、海洋生態モデリング、地盤沈下予測、洪水予測、地滑り予測、鉱物予測などで一連の画期的な成果を達成しました。これらの研究は、複雑な地球システムの問題に対処する AI の強力な可能性を実証するだけでなく、地球規模の持続可能な開発のための革新的なソリューションも提供します。
この記事、HyperAIは地球科学分野のAI研究に注力しています。2023年から2024年にかけて解釈すべき最先端の論文15本を選定しました。以下の論文タイトルまたは中国語の解釈をクリックすると、論文解釈ページに移動します。AI が地球科学の未来をどのように推進しているかについて詳しく学びます。
オープンソース プロジェクト「awesome-ai4s」は、100 を超える AI4S 論文の解釈をまとめ、大規模なデータ セットとツールを提供します。
https://github.com/hyperai/awesome-ai4s
01、論文のタイトル:地理的加重回帰アプローチにおける空間的近接性の尺度を最適化するニューラルネットワークモデル：2024.04 武漢の住宅価格に関するケーススタディ
中国語の解釈：武漢の住宅価格を正確に予測！浙江大学の GIS 研究室は、複雑な空間プロセスと地理現象を正確に記述する osp-GNNWR モデルを提案しました。
研究内容：浙江大学のGIS重点研究室は、最適化された空間近接性指標を導入し、それをニューラルネットワークアーキテクチャに統合することで、モデルの住宅価格予測の精度を向上させました。
02、論文のタイトル:OceanGPT: 海洋科学タスクのための大規模言語モデル、2024.05
中国語の解釈：ACL2024代表に選出！浙江大学が初の海洋言語モデル「OceanGPT」を発表、水中身体化知能を実現
研究内容：浙江大学チームは海洋分野初の大規模言語モデル「OceanGPT」を提案した。これは海洋学者の指示に従って質問に答えることができ、さまざまな海洋科学タスクで高度な専門知識を発揮し、海洋工学における予備的な具現化された知能能力も獲得できる。
03.論文のタイトル:都市部における地盤沈下シミュレーションのための機械学習ベースの技術、2024.02
中国語の解釈：都市部の「慢性疾患」に気をつけろ：中南大学のLiu Jianxin教授のチームがAIを活用して今後40年間の地盤沈下リスクを予測
研究内容：中南大学の劉建新教授のチームは、広東省地質環境モニタリングステーション、広東省第四地質大隊、コートジボワールのボワニ大学と協力し、極度勾配ブースティング回帰法と長期短期記憶ネットワークを使用して地盤沈下のインテリジェント予測モデルを確立した。
04.論文のタイトル: 地形とスペクトルの特徴を持つリモートセンシング画像を使用したハイブリッド CNN トランスフォーマー ネットワークとディープ トランスファー ラーニングに基づく地すべりマッピング、2024.02
中国語の解釈：転移学習はとても役に立ちます。成都理工大学、地滑り調査と地図作成のための SCDUNet++ モデルを構築
研究内容：成都理工大学の研究者らは、畳み込みニューラルネットワークとTransformerの利点を組み合わせて地滑りマッピングを効果的に実行する、SCDUNet++と呼ばれるセマンティックセグメンテーションモデルを提案しました。
05、論文のタイトル:解釈可能なニューラルネットワークによる地すべり感受性モデリング、2023.05
中国語の解釈：ブラックボックスが透明になる: UCLA が地滑りを予測する解釈可能なニューラル ネットワーク SNN を開発
研究内容：カリフォルニア大学ロサンゼルス校の研究者らは、自然災害への影響要因をより適切に分析し、地滑りリスクの予測能力をさらに向上させることができる重ね合わせニューラルネットワーク（SNN）を開発した。
06、論文のタイトル:2024 年 3 月の未観測流域における世界規模の大洪水予測
中国語の解釈：世界 No.1 のシステムを破り、80 か国以上をカバーする Google の洪水予測モデルが再び Nature に掲載
研究内容：Google Research チームは、機械学習をベースにした、5 日先の洪水を確実に予測できる河川予測モデルを開発しました。5 年に 1 回発生する洪水を予測する場合、そのパフォーマンスは、1 年に 1 回発生する洪水の現在の予測よりも優れているか同等です。このシステムは 80 か国以上をカバーできます。
07、論文のタイトル:フーリエ解析と変圧器ネットワークの統合による沿岸水域のクロロフィル a 濃度の予測精度の向上、2024.09
中国語の解釈：海洋赤潮危機に対抗するディープラーニング!浙江大学の GIS 研究所は、海洋藻類の発生を早期に警告するために ChloroFormer モデルを提案しました。
研究内容：浙江大学GIS研究所の研究者らは、海洋の有害藻類ブルームにおけるクロロフィルaの濃度を効果的に予測し、藻類ブルーム警報に重要な情報を提供できる新たなディープラーニング予測モデル「ChloroFormer」を提案した。
08、論文のタイトル:地理空間人工知能による鉱物資源探査マッピングの強化: 地理ニューラルネットワーク加重ロジスティック回帰アプローチ、2024.04
中国語の解釈：浙江大学のDu Zhenhong氏のチームは、5つの高度なモデルよりも優れたGNNWLRモデルを提案し、石化予測の精度を向上させました。
研究内容：浙江大学の研究チームは、新たな地理空間人工知能手法である地理ニューラルネットワーク加重ロジスティック回帰（GNNWLR）を提案しました。この手法は、鉱物予測の精度を大幅に向上させるだけでなく、複雑な空間シナリオにおける鉱物予測の解釈可能性も向上させます。
09、論文のタイトル:対流組織の暗黙的学習が降水確率を説明する、2023.05
中国語の解釈：極度の降水量を正確に予測するために、コロンビア大学がニューラル ネットワーク Org-NN のアップグレード バージョンを発表
研究内容：コロンビア大学のLEAPラボは、地球規模の嵐分析シミュレーションと機械学習を使用して、情報不足の問題を解決し、極端な降雨をより正確に予測する方法を提供する新しいアルゴリズムを作成しました。
10.論文のタイトル:地球規模での地域横断的な流量と洪水予測のためのディープラーニング、2024.05
中国語の解釈：中国科学院チームは、世界中の 2,000 以上の水文観測所のデータを分析およびトレーニングした後、監視データのない地域で洪水予測を実現する ED-DLSTM をリリースしました。
研究内容：中国科学院成都山岳災害環境研究所のチームは、世界中の監視データの有無にかかわらず河川流域の流出予測の問題を解決するために、新しいAIベースの流出および洪水予測モデルED-DLSTMを提案しました。
11.論文のタイトル:SuNeRF: シミュレーション EUV 画像を使用した太陽コロナの 3D グローバル再構成の検証、2022.11
中国語の解釈：AIの貢献は大きいですね！ニューラルネットワークが太陽画像の3D再構成を実行し、太陽極を初めて明らかにする
研究内容：コロラド州の国立大気研究センター（NCAR）の研究者らは、NeRFのニューラルネットワークを使用して太陽の2次元画像を3次元の再構成に変換し、太陽の極を初めて明らかにした。
12.論文のタイトル:深層強化学習による都市コミュニティの空間計画、2023.09
中国語の解釈：人間の計画立案者 8 人を倒す: 清華大学チームが強化学習都市空間計画モデルを提案
研究内容：清華大学の研究チームは、強化学習による都市コミュニティ空間計画モデルと手法を提案し、人間のプランナーと人工知能アルゴリズムが連携する都市計画プロセスを実現し、スマートシティの自動計画に新たなアイデアを提供した。
13.論文のタイトル: 中期の悪天候予測のための新しいパラダイム：確率的ランダムフォレストベースの予測、2023.02
中国語の解釈：コロラド州立大学がランダムフォレストアルゴリズムを使用して中期的な悪天候を予測するCSU-MLPモデルをリリース
研究内容：コロラド州立大学とSPCの学者らが共同で、中期的（4～8日間）な悪天候を正確に予測できるランダムフォレストベースの機械学習モデル「CSU-MLP」をリリースした。
14.論文のタイトル:社会物理学に基づく群衆シミュレーションのための拡散モデル、2024.02
中国語の解釈：最適なパフォーマンスを達成するために必要なトレーニング サンプルは 5% のみです。清華大学の研究チームは、長距離の人流シミュレーションを実現するための条件付きノイズ除去拡散モデル SPDiff をリリースしました。
研究内容：清華大学の研究チームは、社会的力によって導かれる拡散プロセスを通じて群衆の行動をシミュレートするために相互作用ダイナミクスを効果的に活用できる条件付きノイズ除去拡散モデル SPDiff を提案しました。
15.論文のタイトル:拡散ニューラルネットワーク生成による時空間少数ショット学習、2024.04
中国語の解釈：清華大学のチームは、7 つの主要都市の実際のデータに基づいて GPD モデルを開発しました。
研究内容：清華大学電子工学部都市科学計算研究センターは、拡散モデルを使用してニューラルネットワークパラメータを生成し、時空間の少数ショット学習を拡散モデルの事前トレーニング問題に変換する GPD モデルを提案しました。
