Zobrazeno 1 - 10
of 566
pro vyhledávání: '"A. J. Mcgibbon"'
Publikováno v:
Geophysical Research Letters, Vol 51, Iss 4, Pp n/a-n/a (2024)
Abstract Accurate precipitation simulations for various climate scenarios are critical for understanding and predicting the impacts of climate change. This study employs a Cycle‐generative adversarial network (CycleGAN) to improve global 3‐hr‐a
Externí odkaz:
https://doaj.org/article/40b689eb4550496cb54cd7ea335bdd41
Autor:
J. Dahm, E. Davis, F. Deconinck, O. Elbert, R. George, J. McGibbon, T. Wicky, E. Wu, C. Kung, T. Ben-Nun, L. Harris, L. Groner, O. Fuhrer
Publikováno v:
Geoscientific Model Development, Vol 16, Pp 2719-2736 (2023)
Progress in leveraging current and emerging high-performance computing infrastructures using traditional weather and climate models has been slow. This has become known more broadly as the software productivity gap. With the end of Moore's law drivin
Externí odkaz:
https://doaj.org/article/2d04e23810ef498088edabb6e7e69085
Autor:
J. McGibbon, N. D. Brenowitz, M. Cheeseman, S. K. Clark, J. P. S. Dahm, E. C. Davis, O. D. Elbert, R. C. George, L. M. Harris, B. Henn, A. Kwa, W. A. Perkins, O. Watt-Meyer, T. F. Wicky, C. S. Bretherton, O. Fuhrer
Publikováno v:
Geoscientific Model Development, Vol 14, Pp 4401-4409 (2021)
Simulation software in geophysics is traditionally written in Fortran or C++ due to the stringent performance requirements these codes have to satisfy. As a result, researchers who use high-productivity languages for exploratory work often find these
Externí odkaz:
https://doaj.org/article/42b19e5628f24927b04c30ad89b60bfd
Publikováno v:
Geoscientific Model Development, Vol 11, Pp 3781-3794 (2018)
sympl (System for Modelling Planets) and climt (Climate Modelling and Diagnostics Toolkit) are an attempt to rethink climate modelling frameworks from the ground up. The aim is to use expressive data structures available in the scientific Python
Externí odkaz:
https://doaj.org/article/ee461c9e68164d9eae56f3e0dd364404
Autor:
Robert J McGibbon, Sadegh Khochfar
Publikováno v:
Monthly Notices of the Royal Astronomical Society.
We present a novel machine learning method for predicting the baryonic properties of dark matter only subhalos from N-body simulations. Our model is built using the extremely randomized tree (ERT) algorithm and takes subhalo properties over a wide ra
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::c71418da2fe028c5dc1ffd33bb7da552
https://doi.org/10.1093/mnras/stac1269
https://doi.org/10.1093/mnras/stac1269
Publikováno v:
Microscopy of Semiconducting Materials, 1987
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::22f0d2e3f440e8140874caff8740804a
https://doi.org/10.1201/9781003069621-102
https://doi.org/10.1201/9781003069621-102
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.