論文の概要: Climate Prompting: Generating the Madden-Julian Oscillation using Video Diffusion and Low-Dimensional Conditioning
- arxiv url: http://arxiv.org/abs/2603.21856v1
- Date: Mon, 23 Mar 2026 11:47:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-24 19:11:39.643275
- Title: Climate Prompting: Generating the Madden-Julian Oscillation using Video Diffusion and Low-Dimensional Conditioning
- Title（参考訳）: 気候変動:ビデオ拡散と低次元条件を用いたマッドデン・ジュリアン振動の発生
- Authors: Sulian Thual, Feiyang Cai, Jingjing Wang, Feng Luo,
- Abstract要約: Generative Deep Learningは、熱帯のマデン・ジュリア振動(MJO)をモデル化するための強力なツールである。
本稿では,大気再分析を基礎としたビデオ拡散モデルを提案し,鍵となる低次元測定値に条件付き長大なMJO配列を合成する。
次に、故意に理想化された低次元条件付けに基づいて、よりトラクタブルなMJOを生成するようモデルに促す。
- 参考スコア（独自算出の注目度）: 9.891776366324523
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Generative Deep Learning is a powerful tool for modeling of the Madden-Julian oscillation (MJO) in the tropics, yet its relationship to traditional theoretical frameworks remains poorly understood. Here we propose a video diffusion model, trained on atmospheric reanalysis, to synthetize long MJO sequences conditioned on key low-dimensional metrics. The generated MJOs capture key features including composites, power spectra and multiscale structures including convectively coupled waves, despite some bias. We then prompt the model to generate more tractable MJOs based on intentionally idealized low-dimensional conditionings, for example a perpetual MJO, an isolated modulation by seasons and/or the El Nino-Southern Oscillation, and so on. This enables deconstructing the underlying processes and identifying physical drivers. The present approach provides a practical framework for bridging the gap between low-dimensional MJO theory and high-resolution atmospheric complexity and will help tropical atmosphere prediction.
- Abstract（参考訳）: 生成的深層学習は、熱帯におけるマデン・ジュリア振動(MJO)をモデル化するための強力なツールであるが、従来の理論フレームワークとの関係はよく分かっていない。
本稿では,大気再分析を基礎としたビデオ拡散モデルを提案し,鍵となる低次元測定値に条件付き長大なMJO配列を合成する。
生成されたMJOは、いくつかのバイアスにもかかわらず、合成物、パワースペクトル、対流結合波を含むマルチスケール構造を含む重要な特徴をキャプチャする。
次に、意図的に理想化された低次元条件(例えば、永遠のMJO、季節による孤立的な変調、エルニーノ・南方振動など)に基づいて、よりトラクタブルなMJOを生成するようモデルに促す。
これにより、基盤となるプロセスのデコンストラクションと物理ドライバの識別が可能になる。
本手法は,低次元MJO理論と高分解能大気複雑性のギャップを埋める実用的な枠組みを提供し,熱帯大気予測に有効である。
関連論文リスト
- Hierarchical Testing of a Hybrid Machine Learning-Physics Global Atmosphere Model [9.985969370583426]
機械学習(ML)ベースのモデルは、高い技術と計算効率を示しており、しばしば天気や季節下予測において従来の物理学ベースのモデルよりも優れている。
ここでは、光学的スケールの現象、年々の変動性、分布外均一な強制を対象とする3つの実験セットを設計する。
我々は,力学コアをMLベースコンポーネントに統合したハイブリッドモデルであるNeural General Circulation Model(NeuralGCM)を,観測と物理に基づく地球系モデル(ESM)に対して評価した。
論文 参考訳（メタデータ） (2026-02-11T19:34:50Z) - Parallel Complex Diffusion for Scalable Time Series Generation [50.01609741902786]
PaCoDiは周波数領域における生成モデリングを分離するスペクトルネイティブアーキテクチャである。
本研究では,PaCoDiが生成品質と推論速度の両方において,既存のベースラインを上回っていることを示す。
論文 参考訳（メタデータ） (2026-02-10T14:31:53Z) - The Complete Anatomy of the Madden-Julian Oscillation Revealed by Artificial Intelligence [12.768001894587576]
我々は,マデン=ジュリアン振動の固有構造を客観的に発見する「AI-for-theory」パラダイムを導入する。
深層学習モデルPhysAnchor-MJO-AEを開発した。
この分類法は、2つの長周期の遷移段階を客観的に分離することで古典的な見方を洗練させる。
論文 参考訳（メタデータ） (2025-12-14T09:37:51Z) - Deep learning the sources of MJO predictability: a spectral view of learned features [5.17795395448666]
マデン・ジュリア振動(Madden-Julian oscillation、MJO)は、惑星スケール、季節内降雨現象である。
ここでは、深層学習を用いて、MJO予測可能性の源泉を調査する。
大規模パターンがMJO予測可能性の主要な原因である可能性がある。
論文 参考訳（メタデータ） (2025-10-04T00:15:45Z) - FreSca: Scaling in Frequency Space Enhances Diffusion Models [55.75504192166779]
本稿では,潜時拡散モデルにおける周波数制御について検討する。
本稿では,低周波成分と高周波成分にノイズ差を分解する新しいフレームワークFreScaを紹介する。
FreScaはモデルの再トレーニングやアーキテクチャの変更なしに動作し、モデルとタスクに依存しない制御を提供する。
論文 参考訳（メタデータ） (2025-04-02T22:03:11Z) - Whenever, Wherever: Towards Orchestrating Crowd Simulations with Spatio-Temporal Spawn Dynamics [65.72663487116439]
ニューラル・テンポラル・ポイント・プロセスを用いて生成時間生成ダイナミクスをモデル化するnTPP-GMMを提案する。
我々は,nTPP-GMMを用いた3つの実世界のデータセットのシミュレーションによるアプローチの評価を行った。
論文 参考訳（メタデータ） (2025-03-20T18:46:41Z) - Distilling Machine Learning's Added Value: Pareto Fronts in Atmospheric Applications [0.3696370044051793]
気候モデル階層に触発されて、パレート最適モデルの完全な階層がモデル開発をガイドし、モデルの付加価値を理解するのに役立つことを提案する。
大気物理におけるパレートフロントの利用を3つのサンプルアプリケーションを用いて実証し、最小パラメータを持つ半経験的モデルから深層学習アルゴリズムまで多岐にわたる階層性を示す。
論文 参考訳（メタデータ） (2024-08-04T23:05:42Z) - Slow semiclassical dynamics of a two-dimensional Hubbard model in
disorder-free potentials [77.34726150561087]
調和およびスピン依存線形ポテンシャルの導入は、fTWAを長期間にわたって十分に検証することを示した。
特に、有限2次元系に着目し、中間線形ポテンシャル強度において、高調波ポテンシャルの追加と傾きのスピン依存が、亜拡散力学をもたらすことを示す。
論文 参考訳（メタデータ） (2022-10-03T16:51:25Z) - Engineering random spin models with atoms in a high-finesse cavity [8.787025970442755]
我々は、空洞内の原子雲を制御可能な光シフトに従属させることにより、全対一で相互作用する無秩序なスピンシステムを実現する。
システムの低エネルギー励起を探索することにより、幅広いパラメータ範囲にわたる障害との相互作用の競合について検討する。
結果は任意のスピンハミルトニアンの設計のための自由プログラマブルキャビティ媒介相互作用に向けた重要なステップを示す。
論文 参考訳（メタデータ） (2022-08-19T16:13:58Z)
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。