Fugu-MT 論文翻訳(概要): Searth Transformer: A Transformer Architecture Incorporating Earth's Geospheric Physical Priors for Global Mid-Range Weather Forecasting

論文の概要: Searth Transformer: A Transformer Architecture Incorporating Earth's Geospheric Physical Priors for Global Mid-Range Weather Forecasting

arxiv url: http://arxiv.org/abs/2601.09467v1
Date: Wed, 14 Jan 2026 13:20:17 GMT
ステータス: 翻訳完了
システム内更新日: 2026-01-15 18:59:20.409903
Title: Searth Transformer: A Transformer Architecture Incorporating Earth's Geospheric Physical Priors for Global Mid-Range Weather Forecasting
Title（参考訳）: Searth Transformer:地球表面の物理的優先順位を組み込んだ地球中距離気象予報のためのトランスフォーマーアーキテクチャ
Authors: Tianye Li, Qi Liu, Hao Li, Lei Chen, Wencong Cheng, Fei Zheng, Xiangao Xia, Ya Wang, Gang Huang, Weiwei Wang, Xuan Tong, Ziqing Zu, Yi Fang, Shenming Fu, Jiang Jiang, Haochen Li, Mingxing Li, Jiangjiang Xia,
Abstract要約: YanTianは、世界規模の中距離気象予報モデルである。欧州中レージ気象予報センターの高解像度予測よりも精度が高い。計算コストは通常の自己回帰微調整の約200倍のコストがかかる。
参考スコア（独自算出の注目度）: 23.666628869892737
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Accurate global medium-range weather forecasting is fundamental to Earth system science. Most existing Transformer-based forecasting models adopt vision-centric architectures that neglect the Earth's spherical geometry and zonal periodicity. In addition, conventional autoregressive training is computationally expensive and limits forecast horizons due to error accumulation. To address these challenges, we propose the Shifted Earth Transformer (Searth Transformer), a physics-informed architecture that incorporates zonal periodicity and meridional boundaries into window-based self-attention for physically consistent global information exchange. We further introduce a Relay Autoregressive (RAR) fine-tuning strategy that enables learning long-range atmospheric evolution under constrained memory and computational budgets. Based on these methods, we develop YanTian, a global medium-range weather forecasting model. YanTian achieves higher accuracy than the high-resolution forecast of the European Centre for Medium-Range Weather Forecasts and performs competitively with state-of-the-art AI models at one-degree resolution, while requiring roughly 200 times lower computational cost than standard autoregressive fine-tuning. Furthermore, YanTian attains a longer skillful forecast lead time for Z500 (10.3 days) than HRES (9 days). Beyond weather forecasting, this work establishes a robust algorithmic foundation for predictive modeling of complex global-scale geophysical circulation systems, offering new pathways for Earth system science.
Abstract（参考訳）: 正確な地球規模の気象予報は地球系科学の基本である。既存のトランスフォーマーベースの予測モデルの多くは、地球の球面幾何学と帯状周期性を無視した視覚中心のアーキテクチャを採用している。さらに,従来の自己回帰学習は計算コストが高く,誤差蓄積による予測地平線を制限している。これらの課題に対処するため,物理的に一貫したグローバル情報交換のためのウィンドウベースの自己アテンションに帯状周期性と縦方向境界を組み込んだ物理インフォームアーキテクチャであるShifted Earth Transformer (Searth Transformer)を提案する。さらに,Relay Autoregressive(RAR)ファインチューニング戦略を導入し,制約付きメモリと計算予算の下で長距離大気の進化を学習できるようにする。これらの手法に基づいて,地球規模の中距離気象予報モデルであるYanTianを開発した。 YanTianは、European Centre for Medium-Range Weather Forecastsの高解像度予測よりも高い精度を実現し、最先端のAIモデルと1度の解像度で競合し、通常の自己回帰的な微調整よりも約200倍の計算コストを必要とする。さらに、YanTian は HRES (9日) よりも Z500 (10.3日) の予測リードタイムが長い。天気予報以外にも、この研究は複雑な地球規模の地球循環システムの予測モデリングのための堅牢なアルゴリズム基盤を確立し、地球系科学の新しい経路を提供する。

関連論文リスト

A Space-Time Transformer for Precipitation Forecasting [38.87144329787491]
SaTformerは、衛星の放射光から極端な降水量を予測するビデオトランスフォーマーだ。我々は降水量の回帰を分類問題に再構成し、ラベルの不均衡に対処するためにクラス重み付き損失を用いる。私たちのモデルは、NeurIPS Weather4Cast 2025 Cumulative Rainfall Challengeで1位を獲得しました。
論文参考訳（メタデータ） (2025-11-14T09:10:31Z)
OneForecast: A Universal Framework for Global and Regional Weather Forecasting [67.61381313555091]
本稿では,グラフニューラルネットワークに基づくグローバルなネスト型気象予報フレームワーク(OneForecast)を提案する。動的システムパースペクティブとマルチグリッド理論を組み合わせることで,マルチスケールグラフ構造を構築し,対象領域を密度化する。動的ゲーティングユニットを用いた適応型メッセージング機構を導入し,ノードとエッジ機能を深く統合し,より正確なイベント予測を行う。
論文参考訳（メタデータ） (2025-02-01T06:49:16Z)
Resolution-Agnostic Transformer-based Climate Downscaling [0.0]
本研究では,地球ビジョントランス(Earth ViT)モデルを用いたコスト効率の低下手法を提案する。追加のトレーニングなしではうまく機能し、さまざまな解像度で一般化する能力を示している。最終的に、この手法は、主要な気候変数の潜在的な将来の変化をより包括的に見積もることができる。
論文参考訳（メタデータ） (2024-11-22T07:32:11Z)
FengWu-W2S: A deep learning model for seamless weather-to-subseasonal forecast of global atmosphere [53.22497376154084]
本研究では,FengWuグローバル気象予報モデルに基づくFengWu-Weather to Subseasonal (FengWu-W2S)を提案する。我々は,FengWu-W2Sが大気環境を3～6週間先まで確実に予測し,マデン・ジュリア振動 (MJO) や北大西洋振動 (NAO) などの地球表面温度, 降水量, 地磁気高度, 季節内信号の予測能力を向上させることを実証した。日時から季節時の予測誤差成長に関するアブレーション実験
論文参考訳（メタデータ） (2024-11-15T13:44:37Z)
Super Resolution On Global Weather Forecasts [0.1747623282473278]
グループは,グローバル気象予測の空間分解能を高めることにより,既存の深層学習に基づく予測手法の改善を目指している。具体的には、大域的精度を1度から0.5度に高めることにより、グラフCast温度予測における超解像(SR)の実行に関心がある。
論文参考訳（メタデータ） (2024-09-17T19:07:13Z)
MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
論文参考訳（メタデータ） (2024-08-20T13:45:49Z)
FengWu-GHR: Learning the Kilometer-scale Medium-range Global Weather Forecasting [56.73502043159699]
この研究は、データ駆動型世界天気予報モデルであるFengWu-GHRを、0.09$circ$水平解像度で実行した。低解像度モデルから事前知識を継承することにより、MLベースの高解像度予測を操作するための扉を開く新しいアプローチを導入する。 2022年の天気予報は、FengWu-GHRがIFS-HRESよりも優れていることを示している。
論文参考訳（メタデータ） (2024-01-28T13:23:25Z)
Towards an end-to-end artificial intelligence driven global weather forecasting system [57.5191940978886]
我々は,地球規模の気象変動に対するAIに基づくデータ同化モデル,すなわちAdasを提案する。我々は,アダスが地球観測を同化して高品質な分析を行い,長期にわたって安定して運用できることを実証した。この手法を現実のシナリオに適用するのは,私たちが初めてです。
論文参考訳（メタデータ） (2023-12-18T09:05:28Z)
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)

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。