論文の概要: WaveSim: A Wavelet-based Multi-scale Similarity Metric for Weather and Climate Fields
- arxiv url: http://arxiv.org/abs/2512.14656v1
- Date: Tue, 16 Dec 2025 18:15:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-17 16:49:26.829078
- Title: WaveSim: A Wavelet-based Multi-scale Similarity Metric for Weather and Climate Fields
- Title（参考訳）: WaveSim: 気象・気候分野のためのウェーブレットベースのマルチスケール類似度指標
- Authors: Gabriele Accarino, Viviana Acquaviva, Sara Shamekh, Duncan Watson-Parris, David Lawrence,
- Abstract要約: WaveSim(ウェーブシム)は、気象・気候分野における空間場の評価のためのマルチスケールの類似度指標である。
本研究では,地球系モデルにおける気候変動の重要モードについて,物理的に関係のあるケーススタディに適用可能であることを示す。
- 参考スコア（独自算出の注目度）: 1.1896783678466238
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We introduce WaveSim, a multi-scale similarity metric for the evaluation of spatial fields in weather and climate applications. WaveSim exploits wavelet transforms to decompose input fields into scale-specific wavelet coefficients. The metric is built by multiplying three orthogonal components derived from these coefficients: Magnitude, which quantifies similarities in the energy distribution of the coefficients, i.e., the intensity of the field; Displacement, which captures spatial shift by comparing the centers of mass of normalized energy distributions; and Structure, which assesses pattern organization independent of location and amplitude. Each component yields a scale-specific similarity score ranging from 0 (no similarity) to 1 (perfect similarity), which are then combined across scales to produce an overall similarity measure. We first evaluate WaveSim using synthetic test cases, applying controlled spatial and temporal perturbations to systematically assess its sensitivity and expected behavior. We then demonstrate its applicability to physically relevant case studies of key modes of climate variability in Earth System Models. Traditional point-wise metrics lack a mechanism for attributing errors to physical scales or modes of dissimilarity. By operating in the wavelet domain and decomposing the signal along independent axes, WaveSim bypasses these limitations and provides an interpretable and diagnostically rich framework for assessing similarity in complex fields. Additionally, the WaveSim framework allows users to place emphasis on a specific scale or component, and lends itself to user-specific model intercomparison, model evaluation, and calibration and training of forecasting systems. We provide a PyTorch-ready implementation of WaveSim, along with all evaluation scripts, at: https://github.com/gabrieleaccarino/wavesim.
- Abstract（参考訳）: 本稿では,気象・気候分野における空間場評価のためのマルチスケール類似度指標WaveSimを紹介する。
WaveSimはウェーブレット変換を利用して入力フィールドをスケール固有のウェーブレット係数に分解する。
この計量は、これらの係数から導かれる3つの直交成分、すなわち場の強度の係数のエネルギー分布の類似性を定量化するMagnitude、正規化されたエネルギー分布の質量の重心を比較することによって空間シフトを捉えるDisplacement、位置と振幅に依存しないパターン組織を評価するStructureの3つを掛けて構成される。
各成分は、0(類似性なし)から1(完全類似性)までのスケール固有の類似度スコアを生成し、その後、スケール間で結合して全体的な類似度尺度を生成する。
まず、合成テストケースを用いてWaveSimを評価し、制御された空間的および時間的摂動を適用し、その感度と期待された振る舞いを体系的に評価する。
次に、地球系モデルにおける気候変動の重要モードに関する物理的に関連するケーススタディに適用可能性を示す。
従来のポイントワイドメトリクスには、物理的スケールや相似性のモードにエラーをもたらすメカニズムが欠けている。
ウェーブレット領域で動作し、独立した軸に沿って信号を分解することで、WaveSimはこれらの制限を回避し、複雑なフィールドにおける類似性を評価するための解釈可能で診断的にリッチなフレームワークを提供する。
さらに、WaveSimフレームワークは、ユーザが特定のスケールやコンポーネントに重点を置いて、ユーザ固有のモデル相互比較、モデル評価、予測システムのキャリブレーションとトレーニングを行うことを可能にする。
我々は、WaveSimのPyTorch対応の実装と、すべての評価スクリプトを提供しています。
関連論文リスト
- Joint Estimation of Sea State and Vessel Parameters Using a Mass-Spring-Damper Equivalence Model [2.7482451989000025]
海面のリアルタイム推定は、造船や海洋安全などの応用に不可欠である。
従来の方法では、搭載されたセンサーから波のスペクトルを推定するために正確な波動-容器伝達関数を頼りにしていた。
対照的に,本手法では,事前伝達関数の知識を必要とせず,海の状態と船舶のパラメータを共同で推定する。
論文 参考訳（メタデータ） (2025-11-27T00:48:35Z) - Wave-Based Semantic Memory with Resonance-Based Retrieval: A Phase-Aware Alternative to Vector Embedding Stores [51.56484100374058]
本稿では,波動パターン$psi(x) = A(x) eiphi(x)$として知識をモデル化し,共振に基づく干渉によってそれを検索する新しいフレームワークを提案する。
このアプローチは振幅情報と位相情報の両方を保存し、より表現的かつ堅牢な意味的類似性を実現する。
論文 参考訳（メタデータ） (2025-08-21T10:13:24Z) - A Causality- and Frequency-Aware Deep Learning Framework for Wave Elevation Prediction Behind Floating Breakwaters [7.667077185318874]
既存のディープラーニングアプローチは、目に見えない操作条件下での限定的な一般化能力を示す。
E2E-FANetは、波と構造物の関係をモデル化するために設計された、新しいエンドツーエンドニューラルネットワークである。
主流モデルと比較して予測精度とロバストな一般化を実現している。
論文 参考訳（メタデータ） (2025-05-10T16:28:48Z) - Factorization of multimeters: a unified view on nonclassical quantum phenomena [1.4680035572775534]
量子論は、測定の不整合性、文脈性、ステアリング、ベル非局所性など、様々な非古典的特徴を示す。
この研究は、それらを統一する交換ダイアグラムに基づく統一された数学的枠組みを導入する。
論文 参考訳（メタデータ） (2025-04-28T14:57:46Z) - High Resolution Seismic Waveform Generation using Denoising Diffusion [3.633418605694802]
HighFEMは高周波地震波形生成のための生成モデルである。
地震波形データのスペクトログラム表現をオートエンコーダを介して低次元多様体に還元する。
キー入力パラメータに条件付き潜在表現を生成するために、最先端拡散モデルが訓練される。
論文 参考訳（メタデータ） (2024-10-25T07:01:48Z) - Message-Passing Neural Quantum States for the Homogeneous Electron Gas [41.94295877935867]
連続空間における強相互作用フェルミオンをシミュレートするメッセージパッシング・ニューラルネットワークに基づく波動関数Ansatzを導入する。
等質電子ガスの基底状態を3次元でシミュレーションすることにより,その精度を実証する。
論文 参考訳（メタデータ） (2023-05-12T04:12:04Z) - Evolution of many-body systems under ancilla quantum measurements [58.720142291102135]
本研究では,多体格子系をアシラリー自由度に結合させることにより量子測度を実装するという概念について検討する。
従来より抽象的なモデルで見られたように, アンタングリング・エンタングリング測定によって引き起こされる遷移の証拠を見いだす。
論文 参考訳（メタデータ） (2023-03-13T13:06:40Z) - Importance sampling for stochastic quantum simulations [68.8204255655161]
我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。
サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。
格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
論文 参考訳（メタデータ） (2022-12-12T15:06:32Z) - Autoencoder-driven Spiral Representation Learning for Gravitational Wave
Surrogate Modelling [47.081318079190595]
オートエンコーダを用いた経験的係数における基礎構造の存在について検討する。
ニューラルネットワークの第一層として使用される学習可能なパラメータを持つスパイラルモジュールを設計し,入力空間を係数にマッピングする方法を学習する。
スパイラルモジュールは複数のニューラルネットワークアーキテクチャ上で評価され、ベースラインモデルよりも一貫して速度-精度のトレードオフを実現している。
論文 参考訳（メタデータ） (2021-07-09T09:03:08Z) - Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。
特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。
本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文 参考訳（メタデータ） (2021-02-12T12:23:13Z)
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。