Fugu-MT 論文翻訳(概要): UT-GraphCast Hindcast Dataset: A Global AI Forecast Archive from UT Austin for Weather and Climate Applications

論文の概要: UT-GraphCast Hindcast Dataset: A Global AI Forecast Archive from UT Austin for Weather and Climate Applications

arxiv url: http://arxiv.org/abs/2506.17453v1
Date: Fri, 20 Jun 2025 19:42:36 GMT
ステータス: 翻訳完了
システム内更新日: 2025-06-24 19:06:36.423153
Title: UT-GraphCast Hindcast Dataset: A Global AI Forecast Archive from UT Austin for Weather and Climate Applications
Title（参考訳）: UT-GraphCast Hindcast Dataset: 気候と気候の応用のためのUT AustinのグローバルAI予測アーカイブ
Authors: Naveen Sudharsan, Manmeet Singh, Harsh Kamath, Hassan Dashtian, Clint Dawson, Zong-Liang Yang, Dev Niyogi,
Abstract要約: このデータセットは、45年間、約25kmのグローバルグリッド上で、毎日15日間の決定論的予測を00UTCで提供する。 37の垂直レベルにおいて、12以上の重要な大気および表面の変数を予測し、現代のハードウェアで1分以内で完全な中距離の予測を提供する。
参考スコア（独自算出の注目度）: 1.1779072208948291
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The UT GraphCast Hindcast Dataset from 1979 to 2024 is a comprehensive global weather forecast archive generated using the Google DeepMind GraphCast Operational model. Developed by researchers at The University of Texas at Austin under the WCRP umbrella, this dataset provides daily 15 day deterministic forecasts at 00UTC on an approximately 25 km global grid for a 45 year period. GraphCast is a physics informed graph neural network that was trained on ECMWF ERA5 reanalysis. It predicts more than a dozen key atmospheric and surface variables on 37 vertical levels, delivering a full medium range forecast in under one minute on modern hardware.
Abstract（参考訳）: 1979年から2024年までのUT GraphCast Hindcast Datasetは、Google DeepMind GraphCast Operationalモデルを用いて生成された包括的なグローバル気象予報アーカイブである。 WCRPの傘の下でテキサス大学オースティン校の研究者たちによって開発されたこのデータセットは、45年間、約25kmのグローバルグリッド上で、00UTCで15日間の決定論的予測を提供する。 GraphCastは、ECMWF ERA5リアナリシスに基づいてトレーニングされた物理情報グラフニューラルネットワークである。 37の垂直レベルにおいて、12以上の重要な大気および表面の変数を予測し、現代のハードウェアで1分以内で完全な中距離の予測を提供する。

関連論文リスト

ArchesWeather & ArchesWeatherGen: a deterministic and generative model for efficient ML weather forecasting [11.561776315905357]
本稿では,確率論的気象モデルの設計において決定論的気象モデルを活用する手法を提案する。我々の研究は、気象予報研究における決定論的および生成的機械学習モデルの利用を民主化することを目的とする。
論文参考訳（メタデータ） (2024-12-17T14:54:30Z)
GIFT-Eval: A Benchmark For General Time Series Forecasting Model Evaluation [90.53485251837235]
時系列基礎モデルはゼロショット予測に優れ、明示的なトレーニングなしで多様なタスクを処理する。 GIFT-Evalは、多様なデータセットに対する評価を促進するための先駆的なベンチマークである。 GIFT-Evalには、144,000の時系列と17700万のデータポイントの23のデータセットが含まれている。
論文参考訳（メタデータ） (2024-10-14T11:29:38Z)
Advancing Parsimonious Deep Learning Weather Prediction using the HEALPix Mesh [3.2785715577154595]
110kmのメッシュ上で最大1年間のリードタイムで,3時間分解能を持つ7つの大気変数の予測を行うため,同種の深層学習天気予報モデルを提案する。 Pangu-WeatherやGraphCastのような最先端の機械学習(SOTA)天気予報モデルと比較して、我々のDLWP-HPXモデルは粗い分解能と予測変数がはるかに少ない。
論文参考訳（メタデータ） (2023-09-11T16:25:48Z)
WEDGE: A multi-weather autonomous driving dataset built from generative vision-language models [51.61662672912017]
本稿では,視覚言語生成モデルを用いて生成した合成データセットWEDGEを紹介する。 WEDGEは16の極度の気象条件で3360枚の画像で構成され、16513個の境界ボックスを手動で注釈付けしている。 53.87%の検定精度と45.41mAPで分類・検出のためのベースライン性能を確立した。
論文参考訳（メタデータ） (2023-05-12T14:42:47Z)
FengWu: Pushing the Skillful Global Medium-range Weather Forecast beyond 10 Days Lead [93.67314652898547]
人工知能(AI)に基づく高度データ駆動型中距離気象予報システムFengWuについて紹介する。 FengWuは大気力学を正確に再現し、0.25度緯度で37の垂直レベルで将来の陸と大気の状態を予測することができる。その結果、FengWuは予測能力を大幅に向上させ、熟練した中距離気象予報を10.75日間のリードまで拡張できることがわかった。
論文参考訳（メタデータ） (2023-04-06T09:16:39Z)
GraphCast: Learning skillful medium-range global weather forecasting [107.40054095223779]
我々は、再分析データから直接トレーニングできる「GraphCast」と呼ばれる機械学習ベースの手法を導入する。全世界で10日以上、0.25度で、数百の気象変動を1分以内で予測する。我々は,GraphCastが1380の検証対象の90%において,最も正確な運用決定システムよりも優れていることを示す。
論文参考訳（メタデータ） (2022-12-24T18:15:39Z)
Pangu-Weather: A 3D High-Resolution Model for Fast and Accurate Global Weather Forecast [91.9372563527801]
我々は,世界天気予報を迅速かつ高精度に予測するためのディープラーニングベースのシステムであるPangu-Weatherを紹介する。初めてAIベースの手法が、最先端の数値天気予報法(NWP)を精度で上回った。 Pangu-Weatherは、極端な天気予報や大規模なアンサンブル予測など、幅広い下流予測シナリオをサポートしている。
論文参考訳（メタデータ） (2022-11-03T17:19:43Z)
FourCastNet: Accelerating Global High-Resolution Weather Forecasting using Adaptive Fourier Neural Operators [44.20526496271154]
現在の物理学に基づく数値天気予報(NWP)は、計算コストと厳密な解法限界による精度を制限している。我々は,データ駆動の深層学習型地球エミュレータであるFourCastNetが,地球規模の気象を予測し,NWPより5桁高速な中距離予測を生成することを報告した。
論文参考訳（メタデータ） (2022-08-08T06:06:31Z)
A Novel Transformer Network with Shifted Window Cross-Attention for Spatiotemporal Weather Forecasting [5.414308305392762]
我々は,ビデオトランスを用いた天気予報の課題に取り組む。視覚変換器のアーキテクチャは様々な用途で研究されている。本稿では,ビデオスウィン・トランスフォーマーと専用拡張スキームの併用を提案する。
論文参考訳（メタデータ） (2022-08-02T05:04:53Z)
Forecasting Future World Events with Neural Networks [68.43460909545063]
Autocastは数千の予測質問と付随するニュースコーパスを含むデータセットである。ニュースコーパスは日付によって整理され、人間が過去の予測を行った条件を正確にシミュレートすることができる。予測タスクで言語モデルをテストし、パフォーマンスが人間専門家のベースラインよりはるかに低いことを確認します。
論文参考訳（メタデータ） (2022-06-30T17:59:14Z)
Forecasting Global Weather with Graph Neural Networks [0.0]
本稿では,グラフニューラルネットワークを用いた気象予報のためのデータ駆動型手法を提案する。システムは現在の3D大気状態を6時間前に進めることを学び、複数のステップをチェーンして、数日後の未来に進む巧妙な予測を生成する。
論文参考訳（メタデータ） (2022-02-15T17:02:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。