本論文では、惑星内部の準地衡乱流に対するサブグリッドスケール（SGS）モデルのオンライン学習について検討しています。機械学習を活用したSGS動力学の表現は、天候予測や気候モデルにおいて確立されており、最近の研究では「オンライン」学習によって訓練されたSGSモデルが従来の物理ベースのアプローチを超えるパフォーマンスを示しています。特に、擬似スペクトル微分方程式ソルバを用いた2次元準地衡乱流のモデル化により、さまざまな条件でのSGSモデルの精度を評価しています。実験の結果、SGSモデルは訓練データの期間が長さの百倍以上の時間にわたっても安定性と精度を維持できることが示され、惑星や星の内部ダイナミクス、特にダイナモ過程のモデル開発への道を開く可能性が示唆されています。