要約 地球変動生態学は、データ駆動型学習と機構的理論を調和させて複雑で相互接続された生態系の課題に対処する予測モデルを必要としています。従来のプロセスベースのアプローチは時間と空間のパラメータ化に苦しむ一方、純粋にデータ駆動型の機械学習アプローチは外挿性、解釈性、物理的一貫性の問題に直面します。知識に基づく機械学習（KGML）は、生態学の原則（例：物理的第一原理、化学量論、プロセスの理解、攪乱のレジーム）をモデルの設計、訓練、調整に体系的に統合することでこの隔たりを埋めます。新たに登場したKGMLのパラダイムは、地球変動生態学の研究を進展させる大きな機会を提供します。このレビューはKGMLの変革的な可能性を総合し、炭素-水-栄養素循環やその他の生態学的プロセスの予測を強化し、基盤モデルのための土台を築く能力を示します。意思決定支援や記号的回帰における新たな応用は、実用的な洞察と新しい理論的仮説を導き出す上での役割をさらに示しています。将来的な方向性は、データと知識の適応的統合、不確実性の定量化、基盤モデルにおける因果関係の埋め込み、持続可能性目標とKGMLの革新との調整を強調します。生態学の理論とAIの進展を結びつけることで、KGMLは地球変動に対する生態系の反応を包括する堅牢な道を提供し、科学的発見と実行可能な解決策を促進します。”},{
Jin et al. (Sun,) studied this question.