論文の概要: Towards a Foundation Model for the Martian Atmosphere

• arxiv url: http://arxiv.org/abs/2605.28851v1
• Date: Sat, 16 May 2026 20:37:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 02:55:43.042337
• Title: Towards a Foundation Model for the Martian Atmosphere
• Title（参考訳）: 火星大気の基礎モデルに向けて
• Authors: Sujit Roy, Udayshankar Nair, Yuling Wu, Georgios Priftis, Liping Wang, Anastasia Georgiou, Anne Jones, Björn Lütjens, Johannes Schmude, Campbell Watson, Rachel A. Slank, Ankur Kumar, Anirbit Mukherjee, Procheta Sen, Ramin Lolachi, Haonan Chen, Manil Maskey, Juan Bernabé-Moreno, Rahul Ramachandran,
• Abstract要約: 火星の大気は、惑星を取り巻く塵嵐からメソスケールのオーログラフ雲や夜行性低レベルジェットまで、ダイナミックな現象を伴っている。 一般的な循環モデルはこれらの現象をシミュレートする能力を示しているが、メソスケールの特徴を解決するのに必要な分解能では計算コストがかかる。 これらの制約は、火星大気のデータ駆動基盤モデルの開発を動機付けている。
• 参考スコア（独自算出の注目度）: 7.786694785229998
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The martian atmosphere hosts dynamical phenomena ranging from planet-encircling dust storms to mesoscale orographic clouds and nocturnal low-level jets. General circulation model show capability to simulate these phenomena, but is computationally expensive at resolution needed to resolve mesoscale features. While assimilation of satellite remote sensing observation enable forecasting capabilities using such models, observation record is often sparse, short and fragmented across instrument generators. These constraints motivate the development of a data-driven foundation model for the Martian atmosphere. Foundation models live in a complex design landscape. There is an interplay between the available data, the physics of the underlying processes and corresponding developments in AI. Even though the idea of a foundation model is to address multiple use cases in a data- and compute-efficient manner, it is important to have a clear picture what applications can sensibly addressed by a single model. The purpose of this paper is to elucidate this design landscape. We discuss available data ranging from atmospheric retrievals to reanalysis datasets as well as existing physical models. Moreover, we identify a wide range of candidate downstream applications. Finally, we consider relevant recent developments in artificial intelligence (AI) that can be leveraged in this context. Here, we put a particular emphasis on AI models for atmospheric physics, data-driven approaches to data assimilation as well as methods to work in a limited data setting.
• Abstract（参考訳）: 火星の大気は、惑星を取り巻く塵嵐からメソスケールのオーログラフ雲や夜行性低レベルジェットまで、ダイナミックな現象を伴っている。 一般的な循環モデルはこれらの現象をシミュレートする能力を示すが、メソスケールの特徴を解決するのに必要な分解能では計算コストがかかる。 衛星リモートセンシング観測の同化により、そのようなモデルを用いた予測が可能となるが、観測記録は、機器生成装置間で疎く、短く、断片化されることが多い。 これらの制約は、火星大気のデータ駆動基盤モデルの開発を動機付けている。 ファンデーションモデルは複雑なデザインランドスケープに住んでいます。 利用可能なデータ、基盤となるプロセスの物理、AIの対応する開発との間には相互作用がある。 基礎モデルの考え方は、データと計算効率の両面で複数のユースケースに対処することにあるが、アプリケーションは単一のモデルで適切に対処できるのかを明確に把握することが重要である。 本論文の目的は, このデザインの景観を解明することである。 大気の検索から分析データセット、既存の物理モデルまで、利用可能なデータについて論じる。 さらに、幅広い候補下流アプリケーションを特定する。 最後に、この文脈で活用できる人工知能(AI)の最近の発展について考察する。 ここでは、大気物理学のためのAIモデル、データ同化に対するデータ駆動アプローチ、および限られたデータ設定で動作する方法に特に重点を置いている。

関連論文リスト

• Earth-o1: A Grid-free Observation-native Atmospheric World Model [81.55899748753434]
  我々は、構造的制約を克服する観測ネイティブな大気圏モデルであるEarth-o1を提示する。 多様なセンサー入力を統一されたグリッドフリーな力学場に統合することにより、モデルは空間と時間の大気状態を自律的に前進させる。 本稿では,このパラダイムにより,明示的な数値解法のオーバーヘッドを伴わずに,直接的,リアルタイムな予測とクロスセンサ推論が可能となることを示す。
  論文  参考訳（メタデータ） (2026-05-07T14:27:48Z)
• Earth System Foundation Model (ESFM): A unified framework for heterogeneous data integration and forecasting [52.53742727060265]
  地球系の基礎モデル(FM)は、大量のデータセットにわたる物理変数間の統計的関係を学習する。 本稿では,アース・システム・ファンデーション・モデル(ESFM)について紹介する。 本研究では,高密度グリッドデータ (ERA5, CMIP6) , 地域密集データ, 疎グリッドMODIS衛星データ, 局データを用いた。 結果は、最先端のベンチマークと比較して、競争力や優れたパフォーマンスを示している。
  論文  参考訳（メタデータ） (2026-04-20T11:40:39Z)
• Learning Physically Interpretable Atmospheric Models from Data with WSINDy [0.0]
  シミュレーションデータと同化データの両方から有効な大気モデルを学ぶことができることを示す。 提案手法は,任意の空間次元の高次元流体データを扱うための標準WSINDyアルゴリズムに適応する。
  論文  参考訳（メタデータ） (2025-01-01T06:03:07Z)
• WxC-Bench: A Novel Dataset for Weather and Climate Downstream Tasks [1.0369983700531806]
  高品質な機械学習(ML)対応データセットは、新しい人工知能(AI)モデルの開発において基礎的な役割を果たす。 本稿では、一般化可能なAIモデルの開発を支援するために設計されたマルチモーダルデータセットであるWxC-Benchを紹介する。 本稿では,データセットの包括的記述と,ベースライン解析の技術的検証について述べる。
  論文  参考訳（メタデータ） (2024-12-03T19:20:27Z)
• A Scalable Real-Time Data Assimilation Framework for Predicting Turbulent Atmosphere Dynamics [8.012940782999975]
  我々は,汎用リアルタイムデータ同化フレームワークを導入し,そのエンドツーエンド性能をFrontierスーパーコンピュータ上で実証する。 このフレームワークは、アンサンブルスコアフィルタ(EnSF)とビジョントランスフォーマーベースのサロゲートの2つの主要モジュールから構成される。 ExascaleスーパーコンピュータであるFrontier上では、私たちのフレームワークの強いスケーリングと弱いスケーリングの両方を1024GPUで実証しています。
  論文  参考訳（メタデータ） (2024-07-16T20:44:09Z)
• JRDB-Traj: A Dataset and Benchmark for Trajectory Forecasting in Crowds [79.00975648564483]
  ロボット工学、自動運転車、ナビゲーションなどの分野で使用される軌道予測モデルは、現実のシナリオにおいて課題に直面している。 このデータセットは、ロボットの観点から、すべてのエージェント、シーンイメージ、ポイントクラウドの位置を含む包括的なデータを提供する。 本研究の目的は,ロボットに対するエージェントの将来の位置を,生の感覚入力データを用いて予測することである。
  論文  参考訳（メタデータ） (2023-11-05T18:59:31Z)
• FaIRGP: A Bayesian Energy Balance Model for Surface Temperatures Emulation [13.745581787463962]
  本稿では,エネルギー収支モデルの物理温度応答方程式を満たすデータ駆動エミュレータであるFaIRGPを紹介する。 本稿では,FaIRGPを用いて大気上層放射力の推定値を得る方法について述べる。 この研究が、気候エミュレーションにおけるデータ駆動手法の採用の拡大に寄与することを期待している。
  論文  参考訳（メタデータ） (2023-07-14T08:43:36Z)
• 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)
• Conditioned Human Trajectory Prediction using Iterative Attention Blocks [70.36888514074022]
  本研究では,都市環境における歩行者位置予測を目的とした,簡易かつ効果的な歩行者軌道予測モデルを提案する。 我々のモデルは、複数のアテンションブロックとトランスフォーマーを反復的に実行できるニューラルネットワークアーキテクチャである。 ソーシャルマスク, 動的モデル, ソーシャルプーリング層, 複雑なグラフのような構造を明示的に導入することなく, SoTAモデルと同等の結果が得られることを示す。
  論文  参考訳（メタデータ） (2022-06-29T07:49:48Z)

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。