論文の概要: AxiomOcean: Forecasting the Three-Dimensional Structure of the Upper Ocean

• arxiv url: http://arxiv.org/abs/2605.10455v1
• Date: Mon, 11 May 2026 12:27:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-13 02:24:05.560905
• Title: AxiomOcean: Forecasting the Three-Dimensional Structure of the Upper Ocean
• Title（参考訳）: AxiomOcean:上部海の3次元構造予測
• Authors: Sensen Wu, Yifan Chen, Guantao Pu, Xiaoyao Sun, Yijun Chen, Jin Qi, Ming Kong, Keyi Yang, Lichen Xu, Wenguan Wang, Xiaofeng Li, Zhenhong Du,
• Abstract要約: AxiomOceanは、垂直階層と水柱内の層間依存性を表す、グローバルなAI海洋予測モデルである。 10日間の予測では、AxiomOceanは変数とリードタイムの間で高度なAI比較モデルを上回っている。 その結果、AI海洋予測において、上海洋の3次元構造を明示的に保存することは、予測精度と物理的忠実度の両方を改善することができることが示された。
• 参考スコア（独自算出の注目度）: 40.39306206833454
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Short-term ocean forecast skill depends strongly on the three-dimensional ocean structure of the upper ocean, which governs stratification, subsurface heat storage, and the response of the ocean to atmospheric forcing. However, AI ocean forecasting models often fail to preserve this vertical structure, resulting in over-smoothed subsurface features and weak physical consistency under strong forcing. Here, we present AxiomOcean, a global AI ocean forecasting model that explicitly represents vertical hierarchy and cross-layer dependence within the water column. By combining a fully three-dimensional encoder-backbone-decoder architecture with surface atmospheric forcing, AxiomOcean jointly predicts upper-ocean temperature, salinity, and three-dimensional currents at global 1/12° resolution down to 643 m depth. In 10-day forecasts, AxiomOcean outperforms an advanced AI comparison model across variables and lead times, reducing day-1 RMSE by approximately 20 to 35% while maintaining higher anomaly correlation. The gain is not achieved through excessive smoothing: AxiomOcean better preserves eddy kinetic energy, temperature and salinity variance. Its advantage also extends through the water column and remains evident across the equatorial Pacific, Kuroshio Extension, and Southern Ocean, yielding a more realistic reconstruction of upper-ocean heat content. These results show that explicitly preserving upper-ocean three-dimensional structure can improve both forecast accuracy and physical fidelity in AI ocean prediction.
• Abstract（参考訳）: 短期的な海洋予知技術は、成層化、地下熱の貯蔵、大気の強制に対する海洋の応答を司る上部海の3次元海洋構造に強く依存する。 しかし、AI海洋予測モデルは、しばしばこの垂直構造の維持に失敗し、過度に滑らかな地下構造と強い強制下での物理的な一貫性が弱くなる。 ここでは、垂直階層と水柱内の層間依存性を明確に表現した、グローバルAI海洋予測モデルであるAxiomOceanを紹介する。 完全な3次元エンコーダ-バックボーン-デコーダアーキテクチャと大気表面の強制力を組み合わせることで、AxiomOceanは地球規模の1/12°分解能から643mまでの上海洋温度、塩分濃度、および3次元電流を共同で予測する。 10日間の予測では、AxiomOceanは変数とリードタイムの高度なAI比較モデルより優れており、より高い異常相関を維持しながら、Day-1 RMSEを約20～35%削減している。 AxiomOceanは運動エネルギー、温度、塩分濃度の分散をよりよく保存する。 その利点は水柱を通しても広がり、赤道太平洋、黒潮拡張、南洋をまたいで明らかであり、より現実的な表層熱量の再構築をもたらす。 これらの結果は,AI海洋予測において,上海洋の3次元構造を明示的に保存することで,予測精度と物理的忠実度の両方を向上できることを示した。

関連論文リスト

• OceanPile: A Large-Scale Multimodal Ocean Corpus for Foundation Models [57.19693589926157]
  OceanPileは、海洋基盤モデル用に設計された大規模マルチモーダルコーパスである。 OceanCorpus、OceanInstruction、OceanBenchmarkの3つの重要なコンポーネントで構成されている。 すべてのデータセットは、海洋人工知能の分野を前進させるために公開されている。
  論文  参考訳（メタデータ） (2026-04-25T14:53:37Z)
• High-resolution probabilistic estimation of three-dimensional regional ocean dynamics from sparse surface observations [0.0]
  海洋内部は地球の気候を規制するが、in situの観測が限られているため、わずかに観測されている。 本研究では,高分解能な3次元海洋環境を極端に粗い表面データから再構築するための深度認識型生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-03T08:10:55Z)
• Data-driven ensemble prediction of the global ocean [9.068376705993009]
  FuXi-ONSは、地球上の最初の機械学習アンサンブル予測システムである。 海面温度、海面高度、地下温度、塩分濃度、海流について、グローバルな1グリッドで5日間の予測を提供する。 FuXi-ONSは物理的に構造化された摂動を学習し、長距離予測を安定させるために大気符号化モジュールを組み込む。
  論文  参考訳（メタデータ） (2026-03-20T03:05:41Z)
• Eddy-Resolving Global Ocean Forecasting with Multi-Scale Graph Neural Networks [0.0]
  本研究では,10日間のグローバル予測のためのマルチスケールグラフニューラルネットワークに基づく海洋モデルを提案する。 このモデルはエンコーダ・プロセッサ・デコーダアーキテクチャを採用し、異なる解像度の2つの球面メッシュを使用して、海洋力学のマルチスケールの性質をよりよく捉えている。
  論文  参考訳（メタデータ） (2026-01-19T07:11:08Z)
• OceanSAR-2: A Universal Feature Extractor for SAR Ocean Observation [55.978228064498865]
  SARに基づく海洋観測のための第2世代の基盤モデルであるOceanSAR-2を紹介する。 先にリリースしたSentinel-1 Wave Modeデータによる自己教師型学習の先駆者であるOceanSAR-2は、SSLトレーニングの改善と動的データキュレーション戦略に依存しています。
  論文  参考訳（メタデータ） (2026-01-12T10:20:43Z)
• OceanForecastBench: A Benchmark Dataset for Data-Driven Global Ocean Forecasting [10.30935627811107]
  データ駆動深層学習に基づく海洋予測モデルは、複雑な海洋力学を捉える大きな可能性を示している。 これらの進歩にもかかわらず、オープンソースのベンチマークがないため、一貫性のないデータの使用と評価方法が生まれている。 3つのコアコントリビューションを提供するベンチマークであるOceanForecastBenchを提案する。
  論文  参考訳（メタデータ） (2025-11-24T03:57:43Z)
• Data-driven global ocean model resolving ocean-atmosphere coupling dynamics [8.075184647214861]
  本研究では, 深層学習(DL)に基づくグローバル3次元海洋循環モデルであるKIST-Oceanについて述べる。 部分的畳み込み、敵の訓練、移動学習を統合し、沿岸の複雑さと予測分布の漂流に対処する。 熱帯太平洋におけるケルビン波やロスビー波の伝播や、シクロニック風や非シクロニック風による垂直運動など、現実的な海洋反応を正確に捉えている。
  論文  参考訳（メタデータ） (2025-07-31T01:45:15Z)
• Data-driven Global Ocean Modeling for Seasonal to Decadal Prediction [39.7461632644892]
  ORCA-DLは,海洋循環の季節的・季節的な予測を行う最初のデータ駆動型3次元海洋モデルである。 三次元海洋力学を正確にシミュレートし、最先端の力学モデルより優れている。 ケイデンスの時間スケールで海洋力学を安定にエミュレートし、巧妙なデケイデンスの予測や気候予測にもその可能性を示す。
  論文  参考訳（メタデータ） (2024-05-24T10:23:17Z)
• OXYGENERATOR: Reconstructing Global Ocean Deoxygenation Over a Century with Deep Learning [50.365198230613956]
  既存の専門家が支配する数値シミュレーションは、地球温暖化や人的活動によって引き起こされる動的変動に追いつかなかった。 1920年から2023年までの世界の海洋脱酸素モデルを再構築するために,最初の深層学習モデルであるOxyGeneratorを提案する。
  論文  参考訳（メタデータ） (2024-05-12T09:32:40Z)
• Pangu-Weather: A 3D High-Resolution Model for Fast and Accurate Global Weather Forecast [91.9372563527801]
  我々は,世界天気予報を迅速かつ高精度に予測するためのディープラーニングベースのシステムであるPangu-Weatherを紹介する。 初めてAIベースの手法が、最先端の数値天気予報法(NWP)を精度で上回った。 Pangu-Weatherは、極端な天気予報や大規模なアンサンブル予測など、幅広い下流予測シナリオをサポートしている。
  論文  参考訳（メタデータ） (2022-11-03T17:19:43Z)

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。