論文の概要: StretchCast: Global-Regional AI Weather Forecasting on Stretched Cubed-Sphere Mesh
- arxiv url: http://arxiv.org/abs/2603.27288v1
- Date: Sat, 28 Mar 2026 14:40:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-31 23:18:44.881507
- Title: StretchCast: Global-Regional AI Weather Forecasting on Stretched Cubed-Sphere Mesh
- Title（参考訳）: StretchCast: ストレッチされた立方体-球面メッシュ上でのグローバルなAI天気予報
- Authors: Jin Feng,
- Abstract要約: 可変解像度拡張立方体球(SCS)メッシュ上に構築されたグローバルリージョンのAI予測フレームワークであるStretchCastを紹介する。
本研究では,一段階予測器であるSCS_Base Modelとロールアウト指向多段階予測器であるSCS_FCST4 Modelを開発し,SCSベースの予測の実現可能性を検証する。
83Mパラメータとトレーニングコストを時間順に設定することで、SCS_FCST4 Modelはターゲット領域に競合する中距離異常相関進化を提供する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Global AI weather forecasting still relies mainly on uniform-resolution models, making it hard to combine regional refinement, two-way regional-global coupling, and affordable training cost. We introduce StretchCast, a global-regional AI forecasting framework built on a variable-resolution stretched cubed-sphere (SCS) mesh that preserves a closed global domain while concentrating resolution over a target region. Within this framework, we develop a one-step predictor, SCS_Base Model, and a rollout-oriented multistep predictor, SCS_FCST4 Model, to test the feasibility of SCS-based forecasting and the benefit of joint multistep training. Experiments use ERA5 with 69 variables over 1998-2022. Because training compute remains limited, this study uses a coarse-resolution proof-of-concept configuration rather than a final high-resolution system. Even with only about 7,776 effective global grid cells and roughly 0.875 degree resolution over the center-refined face, the 23M-parameter SCS_Base Model yields stable multivariate forecasts. With 83M parameters and training cost on the order of hours, SCS_FCST4 Model delivers competitive medium-range anomaly-correlation evolution over the target region after unified reprojection, especially for geopotential height, specific humidity, and part of the lower-tropospheric winds, while maintaining smooth cross-face continuity and realistic multiscale structure in typhoon and spectral analyses. These results support StretchCast as a practical lightweight foundation for global-regional AI weather forecasting.
- Abstract（参考訳）: グローバルAIの天気予報は主に一様分解能モデルに依存しており、地域改良、双方向の地域とグローバルのカップリング、安価なトレーニングコストの組み合わせが困難である。
可変解像度拡張立方体球(SCS)メッシュ上に構築されたグローバル領域AI予測フレームワークであるStretchCastを紹介する。
本研究では,一段階予測器であるSCS_Base Modelとロールアウト指向多段階予測器であるSCS_FCST4 Modelを開発し,SCSベースの予測の実現可能性と共同多段階学習のメリットを検証した。
実験では1998-2022年に69変数のERA5を使用した。
トレーニング計算は依然として限られているため、本研究では、最終的な高解像度システムではなく、粗い概念実証構成を用いる。
約7,776個の有効なグローバルグリッドセルと中心精製面上の0.875度の解像度を持つにもかかわらず、23MパラメータSCS_Baseモデルは安定な多変量予測を生成する。
83Mパラメータとトレーニングコストを時間順に設定したSCS_FCST4 Modelは、特に地対流高度、比湿度、低対流圏風の一部に対する統一再投射後の目標領域における競合する中距離異常相関進化を、台風やスペクトル分析におけるスムーズな面連続性と現実的なマルチスケール構造を維持しつつも提供する。
これらの結果は、グローバルリージョンのAI天気予報の実用的な軽量基盤としてStretchCastをサポートする。
関連論文リスト
- Skillful Kilometer-Scale Regional Weather Forecasting via Global and Regional Coupling [13.378669933059015]
本稿では,地域気象予報のためのグローバル・リージョン結合フレームワークを提案する。
Transformerベースのグローバルモデルと、新しい双方向結合モジュールであるScaleMixerを介して、高解像度の地域ネットワークを結合する。
このフレームワークは、$0.05circ$(sim 5 mathrmkm$ )で、中国の1時間の解像度で、グリッド化されたリアナリシスデータとリアルタイム気象観測の両方で、運用上のNWPとAIベースラインを大幅に上回っている。
論文 参考訳（メタデータ） (2026-03-30T08:40:36Z) - Breaking the Regional Barrier: Inductive Semantic Topology Learning for Worldwide Air Quality Forecasting [99.4484686548807]
我々は,グローバルなステーションレベルの予測に適した意味的トポロジ学習フレームワークであるOmniAirを提案する。
提案手法は,不均一分散グローバルネットワークにおける長距離非ユークリッド相関と物理拡散パターンを効果的に捉える。
実験によると、OmniAirは18のベースラインに対して最先端のパフォーマンスを実現し、既存のモデルよりも10倍近いスピードで高い効率とスケーラビリティを維持している。
論文 参考訳（メタデータ） (2026-01-29T15:58:07Z) - 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) - STCast: Adaptive Boundary Alignment for Global and Regional Weather Forecasting [35.64570745321468]
適応的地域境界最適化と動的月次予測アロケーションのための新しいAI駆動フレームワークを提案する。
具体的には,グローバル空間分布と地域空間分布を整合させるSAA(Spatial-Aligned Attention)機構を用いる。
また、異なる月ごとの大気変数を専門の専門家に動的にルーティングするTMOEモジュールを設計する。
論文 参考訳（メタデータ） (2025-09-21T05:27:52Z) - A comparison of stretched-grid and limited-area modelling for data-driven regional weather forecasting [0.493599216374976]
限界領域モデル (LAM) とストレッチグリッドモデル (SGM) は高分解能な地域予測を生成するために出現している。
本研究の目的は,モデル設計の違いが相対的な性能と潜在的な応用に与える影響を理解することである。
論文 参考訳（メタデータ） (2025-07-24T12:54:08Z) - FourCastNet 3: A geometric approach to probabilistic machine-learning weather forecasting at scale [91.84761739154366]
FourCastNet 3は、確率的アンサンブル予測にスケーラブルで幾何学的な機械学習(ML)アプローチを実装することで、グローバルな気象モデリングを推進している。
FourCastNet 3は、従来のアンサンブルモデルを上回る予測精度を提供し、最良の拡散ベースのメソッドに匹敵する。
その計算効率、中距離確率的スキル、スペクトルの忠実度、およびサブシーズンタイムスケールでのロールアウト安定性は、大規模なアンサンブル予測を通じて気象予知と早期警報システムを改善するための強力な候補となる。
論文 参考訳（メタデータ） (2025-07-16T11:22:18Z) - 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) - 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) - Deep Learning Based Cloud Cover Parameterization for ICON [55.49957005291674]
我々は,実地域およびグローバルICONシミュレーションに基づいて,粗粒度データを用いたNNベースのクラウドカバーパラメータ化を訓練する。
グローバルに訓練されたNNは、地域シミュレーションのサブグリッドスケールのクラウドカバーを再現することができる。
我々は,コラムベースNNがグローバルから局所的な粗粒データに完全に一般化できない理由として,特定の湿度と雲氷上の過剰なエンハンシスを同定する。
論文 参考訳（メタデータ） (2021-12-21T16:10:45Z)
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。