論文の概要: Does Aurora Encode Atmospheric Structure? Latent Regime Analysis and Attribution
- arxiv url: http://arxiv.org/abs/2606.26361v1
- Date: Wed, 24 Jun 2026 20:18:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-26 18:46:32.07942
- Title: Does Aurora Encode Atmospheric Structure? Latent Regime Analysis and Attribution
- Title（参考訳）: オーロラは大気構造をエンコードするのか? 潜在レジーム分析と属性
- Abstract要約: 空間プールPCAとLRPを用いたオーロラモデルの内部表現について検討する。
オーロラの潜伏空間は、主に季節周期によって構成されているのに対し、極端な嵐は線形に分離可能なクラスターを形成していないことを示す。
LRPは、このモデルが1987年のグレート・ストームの3次元垂直構造と一致する特徴を伴っていることを示している。
- 参考スコア（独自算出の注目度）: 3.7894019466201274
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: ML foundation models are able to emulate atmospheric dynamics accurately and efficiently but operate as opaque ``black boxes''. We investigate the internal representations of the Aurora model using spatially pooled PCA and layer-wise relevance propagation (LRP). We find evidence that Aurora's latent space is primarily organized by seasonal cycles, whereas extreme storm events do not form a linearly separable cluster. LRP indicates that the model attends to features consistent with the 3D vertical structure of the Great Storm of 1987. Perturbation tests show masking relevant regions degrades forecasts $3.31\times$ more than random masking. These findings suggest that Aurora learns meteorological coherence and vertical structure without explicit instruction.
- Abstract（参考訳）: MLファンデーションモデルは、大気力学を正確にかつ効率的にエミュレートできるが、不透明な ` `black box''' として動作する。
オーロラモデルの内部表現について,空間プール型PCAとレイヤワイド関連伝搬(LRP)を用いて検討した。
オーロラの潜伏空間は、主に季節周期によって構成されているのに対し、極端な嵐は線形に分離可能なクラスターを形成していないことを示す。
LRPは、このモデルが1987年のグレート・ストームの3次元垂直構造と一致する特徴を伴っていることを示している。
摂動試験では、マスキング関連地域はランダムマスキングよりも3.31\times$3.31\timesの予測を下方修正している。
これらの結果から,オーロラは明示的な指示なしに気象コヒーレンスと垂直構造を学ぶことが示唆された。
関連論文リスト
- GhostPoint: Self-Supervised Representation Learning by Hallucinating Occluded LiDAR Structure [58.617405464262646]
LiDARポイントクラウドからの3Dオブジェクト検出は、自動運転における中核的な問題である。
自己教師付き学習(SSL)の最近の進歩は、スケーラブルな事前トレーニングとポイント単位のタスクへの転送を可能にしている。
我々は最近のSSL手法を解析し、ほとんどの目的が可視表面からのLiDAR戻り値にのみ定義されていることを発見した。
GhostPointはSSLフレームワークで、検出されたインスタンスの周辺で、潜伏する機能を幻覚させる。
論文 参考訳（メタデータ） (2026-08-14T16:10:35Z) - APO: Unsupervised Atomic Policy Optimization for 3D Structure Prediction of Atomic Systems [64.56252173115246]
そこで本研究では, 基幹構造を不要とした非教師なしアライメントフレームワーク(Atomic Policy Optimization)を提案する。
APOは、新しい二重回帰機構を利用して、3次元原子環境にグループ相対的なポリシー最適化を適用する。
この結果から,本質的な物理的整合性は,ノイズや教師付き座標マッチングよりも優れたアライメントのガイドとなる可能性が示唆された。
論文 参考訳（メタデータ） (2026-07-30T17:21:58Z) - CERBERUS: A Three-Headed Decoder for Vertical Cloud Profiles [0.0]
大気雲は複雑な3次元構造と微視的詳細を示す。
このミスマッチは、気象モデルと気候モデルにおけるデータ駆動学習とクラウドプロセスの評価を複雑にする。
本稿では,垂直レーダー反射率プロファイルを生成するための確率的推論フレームワークであるCERBERUSを紹介する。
論文 参考訳（メタデータ） (2026-04-09T21:16:42Z) - From Dispersion to Attraction: Spectral Dynamics of Hallucination Across Whisper Model Scales [0.19116784879310025]
層状ゲインとアライメントが支配するアトラクタ・アトラクションへの深層ネットワークの位相遷移を予測できるtextitSpectral Sensitivity Theoremを提案する。
我々は,Whisperモデルの活性化グラフの固有スペクトル(Tiny to Large-v3-Turbo)を逆応力下で解析することにより,この理論を検証した。
論文 参考訳（メタデータ） (2026-03-31T22:17:30Z) - On Multi-Step Theorem Prediction via Non-Parametric Structural Priors [50.16583672681106]
本研究では,インコンテキスト学習(ICL)のレンズによる学習自由な定理予測について検討する。
本稿では,過去の解の時間的依存関係を有向グラフとしてエンコードし,推論中に探索空間を効果的に引き起こす明示的なトポロジ的制約を課すTheorem Precedence Graphsを提案する。
FormalGeo7kベンチマークの実験から,本手法は89.29%の精度を実現し,ICLベースラインを著しく上回り,最先端の教師付きモデルに適合することがわかった。
論文 参考訳（メタデータ） (2026-03-05T06:08:50Z) - The Path Not Taken: RLVR Provably Learns Off the Principals [85.41043469428365]
スパーシティはモデル条件の最適化バイアスの表面積であることを示す。
我々はこれらの力学を三ゲージ理論で機械的に説明する。
本稿では,RLVRの学習力学のパラメータレベルの特徴付けを行う。
論文 参考訳（メタデータ） (2025-11-11T18:49:45Z) - Physical Consistency of Aurora's Encoder: A Quantitative Study [0.0]
我々は、オーロラのエンコーダの物理的整合性について、その潜在表現が既知の物理的および気象学的概念と一致するかどうかを調査することによって検討する。
今回の研究は、オーロラが物理的に一貫した特徴を学習していることの定量的証拠を提供するとともに、最も稀な事象を捉える際の限界を強調した。
論文 参考訳（メタデータ） (2025-11-11T03:09:00Z) - OPLoRA: Orthogonal Projection LoRA Prevents Catastrophic Forgetting during Parameter-Efficient Fine-Tuning [19.425615290786386]
Low-Rank Adaptation (LoRA)は、大規模言語モデルの効率的な微調整を可能にする。
LoRAは、学習した更新が支配的な特異な方向に干渉するとき、破滅的な忘れ込みに苦しむ。
我々はこの干渉を防止するために直交射影LORAを提案する。
論文 参考訳（メタデータ） (2025-10-14T21:35:57Z) - S$^2$Transformer: Scalable Structured Transformers for Global Station Weather Forecasting [67.93713728260646]
既存の時系列予測手法は、大規模なグローバルステーション予測を行う際に、空間的相関を無視または一方向的にモデル化することが多い。
これは、予測性能を制限する地球規模の気象システムの観測の根底にある性質と矛盾する。
本稿では,構造的空間的注意を新たに提案する。
空間グラフを一連のサブグラフに分割し、サブグラフ内の注意をインスタンス化し、各サブグラフ内の局所的な空間相関を学習する。
ノードをサブグラフ間のメッセージパッシングのためのサブグラフ表現に集約する。
論文 参考訳（メタデータ） (2025-09-10T05:33:28Z) - Atmos-Bench: 3D Atmospheric Structures for Climate Insight [0.0]
532nmと355nmの3D散乱量から921,600個の画像スライスを生成するAtmos-Benchを、384の陸域時間ステップで拡張COSPシミュレータと結合し、高品質なボクセル参照を出力し、(b)モデルアーキテクチャにABB-BC物理制約を埋め込み、復元時のエネルギー一貫性を促進、(c)355nmと532nmの両方にわたるAtmos-Benchデータセットの一貫性のある改善を実現した。
論文 参考訳（メタデータ） (2025-07-15T08:27:29Z) - Hyperbolic Fine-tuning for Large Language Models [56.54715487997674]
本研究では,大規模言語モデル(LLM)の非ユークリッド的特徴について検討する。
トークン埋め込みは高い双曲性を示し,埋め込み空間に木のような構造が潜んでいることを示す。
双曲的低ランク効率微調整法HypLoRAを導入し, 双曲的多様体上で直接低ランク適応を行う。
論文 参考訳（メタデータ） (2024-10-05T02:58:25Z) - A Foundation Model for the Earth System [82.73624748093333]
我々は、100万時間以上の多様なデータに基づいてトレーニングされた地球システムのための大規模な基盤モデルであるAuroraを紹介します。
オーロラは、大気の質、海波、熱帯のサイクロンの軌道、および専用システムよりも計算コストの桁違いの高解像度の天気予報において、運用上の予測を上回っている。
論文 参考訳（メタデータ） (2024-05-20T14:45:18Z)
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。