MarsNet: Aprendendo a atmosfera marciana apenas com observações

Apresentamos o MarsNet, um modelo da atmosfera marciana aprendido por máquina e treinado apenas em observações. As reanálises existentes assimilam as recuperações de espaçonaves em modelos de circulação geral, portanto, onde as observações são esparsas, seus campos são em grande parte.

As reanálises existentes assimilam as recuperações de naves espaciais em modelos de circulação geral (GCMs), de modo que, onde as observações são esparsas, seus campos refletem em grande parte o modelo. Usamos reanálises existentes apenas para avaliação.

O MarsNet alterna uma previsão de duas horas com uma atualização que assimila as observações de cada janela, e ambas as etapas são aprendidas em conjunto. A MarsNet é treinada nos anos 24-31 de Marte (MY) e avaliada em observações independentes.

As pressões superficiais do modelo são as mais precisas dos quatro produtos (RMSE 10 Pa contra Curiosity no MY32, em comparação com 20--46 Pa). Nos perfis retidos do Mars Climate Sounder do MY32, as suas temperaturas superaram a climatologia e a persistência observadas, incluindo nas previsões de dez sóis sem novas observações, e a sua incerteza declarada está quase calibrada.

Grande parte da habilidade em temperatura está presente antes do treinamento e parece vir da estrutura e das tabelas ajustadas às observações, enquanto o treinamento melhora principalmente as pressões superficiais, com algum custo para a poeira. O modelo percorre de forma estável nove anos marcianos e a influência de cada observação pode ser rastreada.

Sua velocidade torna práticos os experimentos no registro de observação e oferece uma referência independente para GCMs e reanálises.

Fonte