論文の概要: Generative Modeling of Aerosol State Representations

• arxiv url: http://arxiv.org/abs/2510.10361v1
• Date: Sat, 11 Oct 2025 22:38:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:29.906862
• Title: Generative Modeling of Aerosol State Representations
• Title（参考訳）: エアロゾル状態表現の生成モデリング
• Authors: Ehsan Saleh, Saba Ghaffari, Jeffrey H. Curtis, Lekha Patel, Peter A. Bosler, Nicole Riemer, Matthew West,
• Abstract要約: エアロゾル-雲-放射相互作用は、地球の気候システムで最も不確実な構成要素である。 本稿では,特定質量および数濃度分布の深部変分オートエンコーダモデルを学習するためのフレームワークを提案する。 数百の原次元を10の潜伏変数に圧縮することにより、効率的なストレージと処理が可能になる。
• 参考スコア（独自算出の注目度）: 5.772617906251992
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Aerosol-cloud--radiation interactions remain among the most uncertain components of the Earth's climate system, in partdue to the high dimensionality of aerosol state representations and the difficulty of obtaining complete \textit{in situ} measurements. Addressing these challenges requires methods that distill complex aerosol properties into compact yet physically meaningful forms. Generative autoencoder models provide such a pathway. We present a framework for learning deep variational autoencoder (VAE) models of speciated mass and number concentration distributions, which capture detailed aerosol size-composition characteristics. By compressing hundreds of original dimensions into ten latent variables, the approach enables efficient storage and processing while preserving the fidelity of key diagnostics, including cloud condensation nuclei (CCN) spectra, optical scattering and absorption coefficients, and ice nucleation properties. Results show that CCN spectra are easiest to reconstruct accurately, optical properties are moderately difficult, and ice nucleation properties are the most challenging. To improve performance, we introduce a preprocessing optimization strategy that avoids repeated retraining and yields latent representations resilient to high-magnitude Gaussian noise, boosting accuracy for CCN spectra, optical coefficients, and frozen fraction spectra. Finally, we propose a novel realism metric -- based on the sliced Wasserstein distance between generated samples and a held-out test set -- for optimizing the KL divergence weight in VAEs. Together, these contributions enable compact, robust, and physically meaningful representations of aerosol states for large-scale climate applications.
• Abstract（参考訳）: エアロゾル-雲-放射相互作用は、エアロゾル状態表現の高次元性と完全な 'textit{in situ} 測定の難しさにより、地球の気候システムにおいて最も不確実な要素である。 これらの課題に対処するには、複雑なエアロゾル特性をコンパクトで物理的に意味のある形に蒸留する手法が必要である。 生成オートエンコーダモデルはそのような経路を提供する。 本研究では, エアロゾル粒径・組成特性を詳細に把握した, スペクトル質量および数濃度分布の深部変分オートエンコーダ(VAE)モデルを学習するためのフレームワークを提案する。 数百の原次元を10の潜伏変数に圧縮することにより、雲凝縮核(CCN)スペクトル、光散乱と吸収係数、氷核生成特性などの重要な診断の忠実性を維持しながら、効率的な保存と処理を可能にする。 その結果、CCNスペクトルは正確に再構成しやすく、光学特性は適度に困難であり、氷核生成特性は最も困難であることがわかった。 性能向上のために,繰り返しリトレーニングを回避し,高次ガウス雑音に耐性を持つ潜在表現を出力し,CCNスペクトル,光係数,凍結分数スペクトルの精度を向上する前処理最適化手法を提案する。 最後に, VAEにおけるKLの発散重量を最適化するために, 生成試料と保持試験セットとの間のスライスされたワッサーシュタイン距離に基づく新しいリアリズム計量を提案する。 これらの貢献により、大規模気候への応用のために、コンパクトで堅牢で物理的に意味のあるエアロゾル状態の表現が可能になる。

関連論文リスト

• Iterative Distillation for Reward-Guided Fine-Tuning of Diffusion Models in Biomolecular Design [58.8094854658848]
  生体分子設計における報酬誘導生成のための微調整拡散モデルの問題に対処する。 本稿では,拡散モデルによる任意の報酬関数の最適化を可能にする,反復蒸留に基づく微調整フレームワークを提案する。 KLの発散最小化と相まって,既存のRL法と比較してトレーニングの安定性とサンプル効率を向上させる。
  論文  参考訳（メタデータ） (2025-07-01T05:55:28Z)
• Energy-Based Coarse-Graining in Molecular Dynamics: A Flow-Based Framework Without Data [0.0]
  本稿では,全原子ボルツマン分布を直接対象とする粗粒化のためのデータフリー生成フレームワークを提案する。 完全な潜在空間から全原子構成空間への潜在的に学習可能な単射写像は、分子構造の自動的かつ正確な再構築を可能にする。
  論文  参考訳（メタデータ） (2025-04-29T17:05:27Z)
• Variational Autoencoder Framework for Hyperspectral Retrievals (Hyper-VAE) of Phytoplankton Absorption and Chlorophyll a in Coastal Waters for NASA's EMIT and PACE Missions [17.569943344077892]
  本研究では、ESMやPACEを含むNASAのハイパースペクトルミッションに対する機械学習に基づく新しいソリューションを提案する。 我々は、光学的に複雑な沿岸海域における高スペクトルRrsからアフィとChl-aのハイパースペクトル検索を実現するために、革新的な設計によるVAEモデルを初めて調整する。
  論文  参考訳（メタデータ） (2025-04-18T05:37:14Z)
• DiffMS: Diffusion Generation of Molecules Conditioned on Mass Spectra [60.39311767532607]
  本稿では,DiffMSを提案する。DiffMS,式制限付きエンコーダ・デコーダ生成ネットワークは,このタスクにおける最先端性能を実現する。 遅延埋め込みと分子構造をブリッジするロバストデコーダを開発するために,フィンガー構造対による拡散デコーダの事前訓練を行う。 確立されたベンチマーク実験により、DiffMSはデノボ分子生成における既存のモデルよりも優れていることが示された。
  論文  参考訳（メタデータ） (2025-02-13T18:29:48Z)
• Physics-Inspired Degradation Models for Hyperspectral Image Fusion [61.743696362028246]
  ほとんどの融合法は、融合アルゴリズム自体にのみ焦点をあて、分解モデルを見落としている。 我々は、LR-HSIとHR-MSIの劣化をモデル化するための物理インスパイアされた劣化モデル(PIDM)を提案する。 提案したPIDMは,既存の核融合法における核融合性能を向上させることができる。
  論文  参考訳（メタデータ） (2024-02-04T09:07:28Z)
• Disentangling CO Chemistry in a Protoplanetary Disk Using Explanatory Machine Learning Techniques [0.0]
  原始惑星系円盤の分子量は、局所的な物理的条件に非常に敏感である。 機械学習を用いてこれらの化学および物理的相互依存を理解するための新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2023-12-08T18:59:22Z)
• ESSAformer: Efficient Transformer for Hyperspectral Image Super-resolution [76.7408734079706]
  単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。 本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
  論文  参考訳（メタデータ） (2023-07-26T07:45:14Z)
• Real-time high-resolution CO$_2$ geological storage prediction using nested Fourier neural operators [58.728312684306545]
  炭素捕獲貯蔵(CCS)は、地球規模の脱炭酸に不可欠な役割を担っている。 CCS展開のスケールアップには, 貯留層圧力上昇とガス配管マイグレーションの高精度かつ高精度なモデリングが必要である。 我々は,高分解能な3D CO2ストレージモデリングのための機械学習フレームワークであるNested Fourier Neural Operator (FNO)を,盆地スケールで導入した。
  論文  参考訳（メタデータ） (2022-10-31T04:04:03Z)
• AODisaggregation: toward global aerosol vertical profiles [8.007578464827002]
  エアロゾルとクラウドの相互作用は、人為的気候変動の評価において最大の不確実性の源となっている。 我々は、気象予測器を用いて、AODを絶滅プロファイルに垂直に分解するための枠組みを開発する。 以上の結果から,本モデルは極めて単純ながら,精度のよい不確実性によって,現実的な絶滅プロファイルを再構築できることが示唆された。
  論文  参考訳（メタデータ） (2022-05-06T16:36:40Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。