Buchumschlag

Quantum Neural Networks for Cloud Cover Parameterizations in Climate Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pastori, Lorenzo, Grundner, Arthur, Eyring, Veronika, Schwabe, Mierk
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Quantum Physics Atmospheric and Oceanic Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Quantum Machine Learning for Climate Modelling
von: Schwabe, Mierk, et al.
Veröffentlicht: (2025)

Data-Driven Equation Discovery of a Cloud Cover Parameterization
von: Grundner, Arthur, et al.
Veröffentlicht: (2023)

Quantum Bayesian Optimization for the Automatic Tuning of Lorenz-96 as a Surrogate Climate Model
von: Christiansen, Paul J., et al.
Veröffentlicht: (2025)

Beyond the Training Data: Confidence-Guided Mixing of Parameterizations in a Hybrid AI-Climate Model
von: Heuer, Helge, et al.
Veröffentlicht: (2025)

Interpretable multiscale Machine Learning-Based Parameterizations of Convection for ICON
von: Heuer, Helge, et al.
Veröffentlicht: (2023)

Reduced Cloud Cover Errors in a Hybrid AI-Climate Model Through Equation Discovery And Automatic Tuning
von: Grundner, Arthur, et al.
Veröffentlicht: (2025)

Opportunities and challenges of quantum computing for climate modelling
von: Schwabe, Mierk, et al.
Veröffentlicht: (2025)

Interpretable Neural Networks to Predict Momentum Fluxes of Orographic Gravity Waves
von: Haslauer, Elias, et al.
Veröffentlicht: (2026)

Simulating Atmospheric Processes in Earth System Models and Quantifying Uncertainties with Deep Learning Multi-Member and Stochastic Parameterizations
von: Behrens, Gunnar, et al.
Veröffentlicht: (2024)

Towards Physically Consistent Deep Learning For Climate Model Parameterizations
von: Kühbacher, Birgit, et al.
Veröffentlicht: (2024)

Representing Subgrid-Scale Cloud Effects in a Radiation Parameterization using Machine Learning: MLe-radiation v1.0
von: Hafner, Katharina, et al.
Veröffentlicht: (2025)

Fisher Information, Training and Bias in Fourier Regression Models
von: Pastori, Lorenzo, et al.
Veröffentlicht: (2025)

Physics-Constrained Adaptive Flow Matching for Climate Downscaling
von: Debeire, Kevin, et al.
Veröffentlicht: (2026)

Impact of Data-Driven Eddy Parameterization on Climate State in an Idealized Coupled CESM Model
von: Shi, Jia-Rui, et al.
Veröffentlicht: (2026)

Do Climate Models Need Microphysical and Convective Parameterizations to Generate Accurate Precipitation Fields?
von: Moreno, Raul, et al.
Veröffentlicht: (2026)

Causally-informed deep learning to improve climate models and projections
von: Iglesias-Suarez, Fernando, et al.
Veröffentlicht: (2023)

Quantum-Enhanced Convergence of Physics-Informed Neural Networks
von: Klement, Nils, et al.
Veröffentlicht: (2026)

Quantum Algorithm for a Stochastic Multicloud Model
von: Ueno, Kazumasa, et al.
Veröffentlicht: (2024)

A Neural Network-Based Submesoscale Vertical Heat Flux Parameterization and Its Implementation in Regional Ocean Modeling System (ROMS)
von: Zhou, Shuyi, et al.
Veröffentlicht: (2024)

Distilling Machine Learning's Added Value: Pareto Fronts in Atmospheric Applications
von: Beucler, Tom, et al.
Veröffentlicht: (2024)

Machine-learned cloud classes from satellite data for process-oriented climate model evaluation
von: Kaps, A., et al.
Veröffentlicht: (2022)

Direct Radiative Impacts of Stratospheric Aerosols on the Tropical Troposphere: Clouds, Precipitation, and Circulation in Convection-Resolving and Global Simulations
von: McGraw, Zachary, et al.
Veröffentlicht: (2025)

Exploring Randomly Wired Neural Networks for Climate Model Emulation
von: Yik, William, et al.
Veröffentlicht: (2022)

Graph Convolutional Neural Networks as Surrogate Models for Climate Simulation
von: Potter, Kevin, et al.
Veröffentlicht: (2024)

An Analysis of Deep Learning Parameterizations for Ocean Subgrid Eddy Forcing
von: Gultekin, Cem, et al.
Veröffentlicht: (2024)

Data Driven Air Entrainment Velocity Parameterization by Breaking Waves
von: Zhou, Xiaohui, et al.
Veröffentlicht: (2026)

Relative Wavefront Errors in Continuous-Variable Quantum Communication
von: Long, Nathan K., et al.
Veröffentlicht: (2025)

Rapid Climate Model Downscaling to Assess Risk of Extreme Rainfall in Bangladesh in a Warming Climate
von: Saha, Anamitra, et al.
Veröffentlicht: (2024)

Online Test of a Neural Network Deep Convection Parameterization in ARP-GEM1
von: Balogh, Blanka, et al.
Veröffentlicht: (2024)

Parameterizing Vertical Mixing Coefficients in the Ocean Surface Boundary Layer using Neural Networks
von: Sane, Aakash, et al.
Veröffentlicht: (2023)

Global Patterns of Extreme Temperature Teleconnections Using Climate Network Analysis
von: Feng, Yuhao, et al.
Veröffentlicht: (2025)

Near-surface Extreme Wind Events and Their Responses to Climate Forcings in a Hierarchy of Global Climate Models
von: Zhang, G., et al.
Veröffentlicht: (2026)

Site-Specific Parameterization of Ocean Spectra for Power Estimates of Wave Energy Converters
von: Ramirez, Rafael Baez, et al.
Veröffentlicht: (2025)

Stable Machine-Learning Parameterization of Subgrid Processes in a Comprehensive Atmospheric Model Learned From Embedded Convection-Permitting Simulations
von: Hu, Zeyuan, et al.
Veröffentlicht: (2024)

Epistemic and Aleatoric Uncertainty Quantification in Weather and Climate Models
von: Mansfield, Laura A., et al.
Veröffentlicht: (2025)

Origin and Limits of Invariant Warming Patterns in Climate Models
von: Giani, Paolo, et al.
Veröffentlicht: (2024)

Global Kilometer-Scale Simulations with ARP-GEM2: Effect of Parameterized Convection and Calibration
von: Geoffroy, Olivier, et al.
Veröffentlicht: (2025)

Detection of isolated specular reflection for calibration of cloud thermodynamic phase estimation with quantum parametric mode sorting LIDAR
von: Murchie, Richard J., et al.
Veröffentlicht: (2025)

Formulation and evaluation of ocean dynamics problems as optimization problems for quantum annealing machines
von: Matsuta, Takuro, et al.
Veröffentlicht: (2024)

Leveraging Climate Services to Build Climate Resilient Power Systems
von: Dubus, Laurent, et al.
Veröffentlicht: (2026)