論文の概要: Hybrid NARX-LLM for Greenland Iceberg Discharge: Prompt-Driven Residual Correction

• arxiv url: http://arxiv.org/abs/2606.15288v1
• Date: Sat, 13 Jun 2026 13:03:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:33.256517
• Title: Hybrid NARX-LLM for Greenland Iceberg Discharge: Prompt-Driven Residual Correction
• Title（参考訳）: グリーンランドアイスバーグ放電用ハイブリッドNARX-LLM:プロンプト駆動残差補正
• Authors: Yiquan Gao, Duohui Xu,
• Abstract要約: グリーンランド氷山放電は、観測可能性に制限のある複雑な非線形ダイナミクスを示す。 本稿では,非線形自己回帰モデルと大規模言語モデル(LLM)を組み合わせるハイブリッドNARX-LLMフレームワークを提案する。 本研究では,非構造化物理知識をゼロショットインコンテキスト推論のための構造化プロンプトに変換する物理インフォームド・プロンプト(PIP)手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Greenland iceberg discharge exhibits complex nonlinear dynamics with limited observability, challenging traditional predictive models. We present a Hybrid NARX-LLM framework that combines a nonlinear autoregressive model with exogenous inputs (NARX) and a large language model (LLM) for residual correction. We further propose a Physics-Informed Prompt (PIP) method that transforms unstructured physical knowledge into structured prompts for zero-shot in-context reasoning. The primary objective is to explore the corrective potential of this framework for modeling Greenland iceberg discharge, rather than merely optimizing predictive accuracy. The NARX component captures intrinsic temporal dependencies, while the LLM, guided by PIP, encodes glacier dynamics and environmental drivers and perceives key trend patterns to correct systematic prediction errors. This integration allows the model to reason about unmodeled factors and produce interpretable residuals, enhancing overall predictive accuracy. Applied to Greenland iceberg discharge time series, our approach addresses extreme events that are difficult to predict due to rare variations and nonstationary trends, a limitation often overlooked by traditional methods. By fusing structured time-series modeling with knowledge-driven foundation AI, the framework offers a scalable and interpretable pathway to bridge data-limited climate forecasting with physics-informed LLM reasoning. The code is available.
• Abstract（参考訳）: グリーンランド氷山放電は、観測可能性に制限のある複雑な非線形ダイナミクスを示し、従来の予測モデルに挑戦する。 本稿では,非線形自己回帰モデルと外因性入力(NARX)を組み合わせたハイブリッドNARX-LLMフレームワークと,残差補正のための大規模言語モデル(LLM)を提案する。 さらに、非構造化物理知識をゼロショットインコンテキスト推論のための構造化プロンプトに変換する物理インフォームド・プロンプト(PIP)法を提案する。 主な目的は、単に予測精度を最適化するのではなく、グリーンランド氷山放電をモデル化するためのこの枠組みの正当性を探ることである。 NARXコンポーネントは固有の時間的依存関係をキャプチャする一方、LPMはPIPによってガイドされ、氷河のダイナミクスと環境要因を符号化し、重要なトレンドパターンを認識して、体系的な予測エラーを補正する。 この統合により、モデルはモデル化されていない因子を推論し、解釈可能な残留物を生成することができ、全体的な予測精度が向上する。 グリーンランド氷山放流時系列に応用すると、稀な変動や非定常的な傾向により予測が難しい極端な事象に対処するが、これは従来の手法では見過ごされがちである。 構造化時系列モデリングと知識駆動型基礎AIを融合することにより、このフレームワークは、物理インフォームドLLM推論でデータ制限気候予測をブリッジするスケーラブルで解釈可能な経路を提供する。 コードは利用可能です。

関連論文リスト

• Physics-Informed Machine Learning for Short-Term Flood Prediction [0.3186130813218338]
  本研究では,LSTMモデルの損失関数に直接,水文学的な知識を組み込むフレームワークを提案する。 特に、トレンドアライメント制約は、降水と放電の傾向の方向性の不整合を罰する。 この正規化は、限られた訓練データであっても、物理的に妥当なヒドログラフの振る舞いを学ぶことを奨励する。
  論文  参考訳（メタデータ） (2026-06-02T19:01:06Z)
• PnP-Corrector: A Universal Correction Framework for Coupled Spatiotemporal Forecasting [62.22445401483844]
  既存の手法は複雑なエラーのボトルネックによって厳しく制約されている。 我々は-Cast-Corrector (Plug-and-Play Corrector)と呼ばれる普遍的なフレームワークを提案する。 本手法は,結合予測システムの長期安定性を著しく向上させる。
  論文  参考訳（メタデータ） (2026-05-09T13:12:33Z)
• Toward generative machine learning for boosting ensembles of climate simulations [0.0]
  気候シミュレーションの限られたサンプルに基づいて学習した条件付き変分オートエンコーダ(cVAE)を開発し,任意の大規模なアンサンブルを生成する。 cVAEモデルはデータの基盤となる分布を学習し、現実的な低モーメントと高モーメントの統計を再現する物理的に一貫したサンプルを生成する。
  論文  参考訳（メタデータ） (2026-02-06T00:54:19Z)
• Bridging the Gap Between Bayesian Deep Learning and Ensemble Weather Forecasts [100.26854618129039]
  天気予報は、大気のカオス的な性質によって根本的に挑戦されている。 ベイジアンディープラーニング(BDL)の最近の進歩は、有望だがしばしば非接続な代替手段を提供する。 気象予報のための統合型BDLフレームワークにより,これらのパラダイムを橋渡しする。
  論文  参考訳（メタデータ） (2025-11-18T07:49:52Z)
• ResAD: Normalized Residual Trajectory Modeling for End-to-End Autonomous Driving [64.42138266293202]
  ResADは正規化された残留軌道モデリングフレームワークである。 学習タスクを再編成し、慣性参照からの残留偏差を予測する。 NAVSIMベンチマークでは、ResADはバニラ拡散ポリシーを用いて最先端のPDMS 88.6を達成している。
  論文  参考訳（メタデータ） (2025-10-09T17:59:36Z)
• Elucidated Rolling Diffusion Models for Probabilistic Weather Forecasting [52.6508222408558]
  Eucidated Rolling Diffusion Models (ERDM)を紹介する。 ERDMはEucidated Diffusion Models (EDM) の原理的, 性能的設計とローリング予測構造を統一する最初のフレームワークである 2D Navier-StokesシミュレーションとERA5グローバル気象予報の1.5円解像度では、ERDMはキー拡散ベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2025-06-24T21:44:31Z)
• Weather Prediction with Diffusion Guided by Realistic Forecast Processes [49.07556359513563]
  気象予報に拡散モデル(DM)を適用した新しい手法を提案する。 提案手法は,同一のモデリングフレームワークを用いて,直接予測と反復予測の両方を実現できる。 我々のモデルの柔軟性と制御性は、一般の気象コミュニティにとってより信頼性の高いDLシステムに力を与えます。
  論文  参考訳（メタデータ） (2024-02-06T21:28:42Z)
• Physics-Informed Graph Neural Network for Spatial-temporal Production Forecasting [0.0]
  歴史的データに基づく生産予測は、炭化水素資源の開発に不可欠な価値を提供する。 生産予測のためのグリッドフリーな物理インフォームドグラフニューラルネットワーク(PI-GNN)を提案する。
  論文  参考訳（メタデータ） (2022-09-23T23:28:40Z)

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。