地球科学は高度に学際的な分野であり、AIの力によって大きな変革を遂げつつあります。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、鉱物予測といった分野で一連のブレークスルーを達成しました。これらの研究は、複雑な地球システムの問題解決におけるAIの強力な可能性を示すだけでなく、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ています。

HyperAIによるこの記事は、地球科学におけるAI研究に焦点を当て、2023年から2024年にかけて発表される15本の最先端の論文を紹介しています。以下の論文タイトルまたは中国語の解説をクリックすると、論文解説ページにアクセスし、AIが地球科学の将来の発展をどのように推進していくのかをより深く理解することができます。

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、膨大なデータセットとツールを提供します。

https://github.com/hyperai/awesome-ai4s

01. 論文タイトル: 地理的加重回帰分析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：武漢の住宅価格に関するケーススタディ、2024.04

中国語解説：武漢の住宅価格を正確に予測！浙江大学GIS研究室がOSP-GNNWRモデルを提案：複雑な空間プロセスと地理現象を正確に記述。研究内容：浙江大学GIS重点研究室は、最適化された空間近接性指標を導入し、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、住宅価格予測モデルの精度を向上させました。

02. 論文タイトル: OceanGPT: 海洋科学タスクのための大規模言語モデル、2024.05

中国語通訳：ACL 2024に選出！浙江大学、初の海洋ベース大規模言語モデル「OceanGPT」を発表、水中身体知能の実現へ。研究内容：浙江大学のチームは、初の海洋ベース大規模言語モデル「OceanGPT」を提案しました。このモデルは海洋学者の指示に従って質問に答えることができ、様々な海洋科学課題において高度な専門知識を発揮し、海洋工学分野における初歩的な身体知能機能も実現しています。

03. 論文タイトル：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

中国語訳：都市の「慢性病」にご用心：中南大学の劉建新教授率いるチームがAIを活用し、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率いるチームは、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イニエ大学と共同で、極度勾配ブースティング回帰法と長短期記憶ネットワークを用いて、地盤沈下のインテリジェント予測モデルを構築した。

04. 論文タイトル：地形とスペクトル特徴を持つリモートセンシング画像を用いたハイブリッドCNN-トランスフォーマーネットワークと深層転移学習に基づく地すべりマッピング、2024.02

中国語通訳：転移学習は大きな助け！成都理工大学が地すべりマッピング研究のためのSCDUNet++モデルを構築内容：成都理工大学の研究者は、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すべりマッピング作業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

中国語通訳：透明なブラックボックス：UCLAが説明可能なニューラルネットワーク（SNN）を開発し、土砂崩れを予測。研究内容：カリフォルニア大学ロサンゼルス校（UCLA）の研究者らは、自然災害への影響要因をより正確に分析できる重ね合わせニューラルネットワーク（SNN）を開発し、土砂崩れリスクの予測能力をさらに向上させました。

06. 論文タイトル: 2024年3月の世界規模の未観測流域における大洪水予測

中国語訳：世界一のシステムを打ち破り、80カ国以上をカバーするGoogleの洪水予測モデルが、再びNatureで特集されました。
研究内容：Google Researchチームは、最大5日先までの洪水を確実に予測できる機械学習ベースの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、このモデルは1年に1回発生する洪水を予測する場合の現在の性能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. 論文タイトル：フーリエ解析と変成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年9月

中国語訳：ディープラーニングが海洋赤潮危機に立ち向かう！浙江大学GIS研究所、海洋藻類ブルームの早期警戒にChloroFormerモデルを提案。研究内容：浙江大学GIS研究所の研究者らは、有害な海洋藻類ブルームのクロロフィルa濃度を効果的に予測できる、新たなディープラーニング予測モデルChloroFormerを提案した。このモデルは、藻類ブルームの早期警戒に不可欠な情報を提供する。

08. 論文タイトル: 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重み付けロジスティック回帰アプローチ、2024.04

中国語解説：浙江大学の杜振宏チームが、5つの先進モデルを凌駕するGNNWLRモデルを提案：鉱化予測の精度向上。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。このモデルは、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年5月

中国語通訳：コロンビア大学、極端降水量の正確な予測に向け、ニューラルネットワークOrg-NNのアップグレード版を発表
研究内容：コロンビア大学の LEAP ラボは、地球規模の嵐の分析シミュレーションと機械学習を使用して新しいアルゴリズムを作成し、情報不足の問題を解決し、極端な降雨を予測するためのより正確な方法を提供しています。

10. 論文タイトル：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年5月

中国語解説：中国科学院の研究チームは、世界中の2,000以上の水文観測所のデータを分析・学習し、観測データが存在しない地域でも洪水予測を可能にする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研究チームは、世界規模で観測データの有無に関わらず流域における流出予測の課題に対処するため、AIベースの新たな流出洪水予測モデルED-DLSTMを提案しました。

11. 論文タイトル: SuNeRF: シミュレーションEUV画像を用いた太陽コロナの3Dグローバル再構成の検証、2022年11月

中国語通訳：AIが大きな貢献！ニューラルネットワークが太陽の3D画像を再構築、太陽の極を初めて明らかに：コロラド州の国立大気研究センター（NCAR）の研究者たちは、NeRF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次元再構成画像に変換し、太陽の極を初めて明らかにしました。

12. 論文タイトル：深層強化学習による都市コミュニティの空間計画、2023年9月

中国語訳：8人の人間プランナーに勝利：清華大学チームが強化学習ベースの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が強化学習ベースの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を組み合わせた都市計画プロセスを実現し、スマートシティの自動計画への新たなアプローチを提供しました。

13. 論文タイトル：中期的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予測、2023年2月

中国語訳：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用いた中期悪天候予測モデル「CSU-MLP」を発表。研究内容：コロラド州立大学とSPCの研究者が共同で、ランダムフォレストに基づく機械学習モデル「CSU-MLP」を発表。このモデルは、中期（4～8日間）の悪天候を正確に予測できます。

14. 論文タイトル: 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年2月

中国語解説：清華大学の研究チームが条件付きノイズ除去拡散モデルSPDiffを発表。わずか5%のトレーニングサンプルで最適な性能を達成し、長距離歩行者移動のシミュレーションが可能に。研究内容：清華大学の研究チームは、相互作用ダイナミクスを効果的に活用し、社会的に誘導された拡散プロセスを通じて群衆行動をシミュレートできる条件付きノイズ除去拡散モデルSPDiffを提案した。

15. 論文タイトル: 拡散型ニューラルネットワーク生成による時空間的少数ショット学習、2024年4月

中国語訳：清華大学チームが7つの主要都市の実際のデータに基づき、GPDモデルの研究内容をオープンソース化しました。清華大学電子工学部の都市科学およびコンピューティング研究センターが提案したGPDモデルは、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、時空間の限定サンプル学習を拡散モデルの事前トレーニング問題に変換します。