論文の概要: Probabilistic Transformers for Joint Modeling of Global Weather Dynamics and Decision-Centric Variables

• arxiv url: http://arxiv.org/abs/2601.03753v1
• Date: Wed, 07 Jan 2026 09:43:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-09 02:15:23.462219
• Title: Probabilistic Transformers for Joint Modeling of Global Weather Dynamics and Decision-Centric Variables
• Title（参考訳）: 地球気象力学と決定中心変数の連成モデリングのための確率変換器
• Authors: Paulius Rauba, Viktor Cikojevic, Fran Bartolic, Sam Levang, Ty Dickinson, Chase Dwelle,
• Abstract要約: 天気予報は、グリッド・オペレーション、航空、農業、緊急対応などの領域における高い意思決定の上流に位置している。 多くの決定関連ターゲットは、状態変数自体よりも、極端、蓄積、しきい値超越といった大気状態変数の機能である。 GEM-2は,ユーザが直接行動する変数群とともに,グローバルな大気力学を共同で学習する確率変換器である。
• 参考スコア（独自算出の注目度）: 1.7632505349721652
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Weather forecasts sit upstream of high-stakes decisions in domains such as grid operations, aviation, agriculture, and emergency response. Yet forecast users often face a difficult trade-off. Many decision-relevant targets are functionals of the atmospheric state variables, such as extrema, accumulations, and threshold exceedances, rather than state variables themselves. As a result, users must estimate these targets via post-processing, which can be suboptimal and can introduce structural bias. The core issue is that decisions depend on distributions over these functionals that the model is not trained to learn directly. In this work, we introduce GEM-2, a probabilistic transformer that jointly learns global atmospheric dynamics alongside a suite of variables that users directly act upon. Using this training recipe, we show that a lightweight (~275M params) and computationally efficient (~20-100x training speedup relative to state-of-the-art) transformer trained on the CRPS objective can directly outperform operational numerical weather prediction (NWP) models and be competitive with ML models that rely on expensive multi-step diffusion processes or require bespoke multi-stage fine-tuning strategies. We further demonstrate state-of-the-art economic value metrics under decision-theoretic evaluation, stable convergence to climatology at S2S and seasonal timescales, and a surprising insensitivity to many commonly assumed architectural and training design choices.
• Abstract（参考訳）: 天気予報は、グリッド・オペレーション、航空、農業、緊急対応などの領域における高い意思決定の上流に位置している。 しかし、予測ユーザーはしばしば難しいトレードオフに直面している。 多くの決定関連ターゲットは、状態変数自体よりも、極端、蓄積、しきい値超越といった大気状態変数の機能である。 結果として、ユーザはこれらのターゲットを、サブ最適であり、構造的バイアスを導入することができる後処理によって見積もる必要がある。 中心的な問題は、モデルが直接学習するように訓練されていないこれらの機能よりも、決定が分散に依存することだ。 本稿では,ユーザが直接行動する変数群とともに,グローバルな大気力学を共同で学習する確率変換器GEM-2を紹介する。 このトレーニングレシピを用いて,CRPS の目標に対して,軽量な (約275M パラム) かつ計算効率の高い (約20-100x) トランスフォーマーは,操作数値天気予報(NWP) モデルよりも直接的に優れ,高価な多段階拡散プロセスに依存するMLモデルと競合し,かつ,マルチステージ微調整戦略を必要とすることを示す。 さらに,S2Sにおける気候学の安定的収束と季節的時間スケール,そして一般的に想定される多くの建築的・訓練的設計選択に対する意外な不感度について,意思決定理論的評価の下での最先端の経済価値指標を実証する。

関連論文リスト

• China Regional 3km Downscaling Based on Residual Corrective Diffusion Model [39.12803910865843]
  この研究は、低解像度と高解像度の歴史的データの統計的関係を確立する統計的ダウンスケーリングに焦点を当てている。 CorrDiffのオリジナルの作品とは対照的に、この作品で考慮された地域は40倍近く大きい。 ディープラーニングはこのタスクの強力なツールとして登場し、様々な高性能超解像モデルを生み出している。
  論文  参考訳（メタデータ） (2025-12-05T02:27:08Z)
• Model-Based Policy Adaptation for Closed-Loop End-to-End Autonomous Driving [54.46325690390831]
  本稿では,事前学習したE2E運転エージェントのロバスト性と安全性を高めるための汎用フレームワークとして,モデルベースポリシー適応(MPA)を提案する。 MPAは、ジオメトリ一貫性のあるシミュレーションエンジンを用いて、まず様々な対物軌道を生成する。 MPAは拡散ベースのポリシーアダプタを訓練し、基本方針の予測を洗練させ、Q値モデルを多段階に分けて長期的な結果を評価する。
  論文  参考訳（メタデータ） (2025-11-26T17:01:41Z)
• ClimateLLM: Efficient Weather Forecasting via Frequency-Aware Large Language Models [13.740208247043258]
  天気予報の基礎モデルであるClimateLLMを提案する。 時間的および空間横断的な協調フレームワークを通じて、時間的依存関係をキャプチャする。 周波数分解と大言語モデルを統合し、空間的および時間的モデリングを強化する。
  論文  参考訳（メタデータ） (2025-02-16T09:57:50Z)
• Prithvi WxC: Foundation Model for Weather and Climate [2.9230020115516253]
  Prithvi WxCは、Modern-Era Retrospective Analysis for Research and Applications, Version 2 (MERRA-2)から160変数を用いて開発された23億のパラメータ基盤モデルである。 このモデルは、異なる位相の気象現象を微細な解像度でモデル化するために、大きなトークン数に対応できるように設計されている。 本稿では, 自動回帰ロールアウト予測, ダウンスケーリング, 重力波フラックスパラメータ化, エクストリームイベント推定など, 課題のある下流タスクのセットでモデルを検証する。
  論文  参考訳（メタデータ） (2024-09-20T15:53:17Z)
• Analyzing and Exploring Training Recipes for Large-Scale Transformer-Based Weather Prediction [1.3194391758295114]
  比較的オフ・ザ・シェルフアーキテクチャ、簡単な訓練手順、適度な計算予算でも高い予測能力が得られることを示す。 具体的には、ERA5データに基づいて最小修正SwinV2変換器をトレーニングし、IFSと比較すると優れた予測技術が得られることを確かめる。
  論文  参考訳（メタデータ） (2024-04-30T15:30:14Z)
• ExtremeCast: Boosting Extreme Value Prediction for Global Weather Forecast [57.6987191099507]
  非対称な最適化を行い、極端な天気予報を得るために極端な値を強調する新しい損失関数であるExlossを導入する。 また,複数のランダムサンプルを用いて予測結果の不確かさをキャプチャするExBoosterについても紹介する。 提案手法は,上位中距離予測モデルに匹敵する全体的な予測精度を維持しつつ,極端気象予測における最先端性能を達成することができる。
  論文  参考訳（メタデータ） (2024-02-02T10:34:13Z)
• Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
  気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。 ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。 このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
  論文  参考訳（メタデータ） (2023-09-24T19:57:22Z)
• ClimaX: A foundation model for weather and climate [51.208269971019504]
  ClimaXは気象と気候科学のディープラーニングモデルである。 気候データセットの自己教師型学習目標で事前トレーニングすることができる。 気候や気候の様々な問題に対処するために、微調整が可能である。
  論文  参考訳（メタデータ） (2023-01-24T23:19:01Z)

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。